JP2004164426A - Output control method, output control system, and output control program - Google Patents

Output control method, output control system, and output control program Download PDF

Info

Publication number
JP2004164426A
JP2004164426A JP2002331133A JP2002331133A JP2004164426A JP 2004164426 A JP2004164426 A JP 2004164426A JP 2002331133 A JP2002331133 A JP 2002331133A JP 2002331133 A JP2002331133 A JP 2002331133A JP 2004164426 A JP2004164426 A JP 2004164426A
Authority
JP
Japan
Prior art keywords
control
model
control unit
output
pseudo
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2002331133A
Other languages
Japanese (ja)
Inventor
Takayuki Kaneko
貴之 金子
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fuji Electric FA Components and Systems Co Ltd
Original Assignee
Fuji Electric FA Components and Systems Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fuji Electric FA Components and Systems Co Ltd filed Critical Fuji Electric FA Components and Systems Co Ltd
Priority to JP2002331133A priority Critical patent/JP2004164426A/en
Publication of JP2004164426A publication Critical patent/JP2004164426A/en
Pending legal-status Critical Current

Links

Images

Landscapes

  • Feedback Control In General (AREA)
  • Control Of Electric Motors In General (AREA)

Abstract

<P>PROBLEM TO BE SOLVED: To provide a method for drive control which optimizes continuous type variables at a high speed, while simplifying the algorithm. <P>SOLUTION: In this method, a first optimization means 303 adjusts each coefficient Kp, Kv and Ti of a pseudo-control part 302 using Particle Swarm Optimization, and optimizes each of coefficient Kp, Kv and Ti of the pseudo-control part 302 based on model condition quantity of a control target model 304 and the evaluation results of normative responses output from a normative model part 301. <P>COPYRIGHT: (C)2004,JPO

Description

【０００１】
【発明の属する技術分野】
本発明は出力制御方法、出力制御装置および出力制御プログラムに関し、特に、パーティクル・スウォーム・オプティマイゼーション（Ｐａｒｔｉｃｌｅ Ｓｗａｒｍ Ｏｐｔｉｍｉｚａｔｉｏｎ：ＰＳＯ）を用いて駆動制御を行う場合に適用して好適なものである。
【０００２】
【従来の技術】
従来の出力制御装置の最適化方法では、例えば、特許文献１〜５に開示されているように、遺伝的アルゴリズム（Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ：ＧＡ）を用いて制御ゲインの最適化を行う方法があった。
図１４は、従来の出力制御装置の概略構成を示すブロック図である。
【０００３】
図１４において、出力制御装置には、サーボモータ１４０１ａ〜１４０１ｎを有するサーボシステム１４０１、サーボモータ１４０１ａ〜１４０１ｎを制御するコントローラ１４０２、制御対象を近似した近似モデル１４０３、近似モデル１４０３を作成するためのモデル同定部１４０４、遺伝的アルゴリズムを用いて制御ゲインの自動調整を行う制御ゲイン調整装置１４０５、基準範囲内の応答が得られた場合に、コントローラ１４０２の出力信号を近似モデル１４０３側からサーボシステム１４０１側に切り替える切り替え手段１４０６、近似モデル１４０３の規範となる応答を予め設定する規範応答モデル１４０７、負荷を考慮した制御対象の近似モデル１４０３の応答と規範応答モデル１４０７の応答偏差を評価値とする評価値演算部１４０８が設けられている。
【０００４】
ここで、モデル同定部１４０４に関しては、制御ゲインの調整を行うための妥当なモデルを、近似モデル１４０３に予め設定しておき、未知の定数のみを最小二乗法などにより同定する。
そして、制御ゲインの調整中は、切り替え手段１４０６によりコントローラ１４０２の出力信号を近似モデル１４０３側に切り替える。そして、制御ゲイン調整装置１４０５にて、評価値演算部１４０８から出力される評価値を考慮しつつ、遺伝的アルゴリズムを近似モデル１４０３に適用することにより、制御ゲインの最適化を行う。
【０００５】
そして、制御ゲインの最適化が終了すると、切り替え手段１４０６によりコントローラ１４０２の出力信号をサーボシステム１４０１側に切り替え、通常運転に入る。
これにより、局所解に陥ることなく、しかも高速にサーボシステム１４０１の制御ゲインを最適に調整することが行われていた。
【０００６】
【特許文献１】
特開平９−１３１０８７号公報
【特許文献２】
特開２０００−９２８８１号公報
【特許文献３】
特開２００１−８４７７号公報
【特許文献４】
特開２００１−８４７８号公報
【特許文献５】
特開２００２−１９９７６５号公報
【０００７】
【発明が解決しようとする課題】
しかしながら、遺伝的アルゴリズムの対象問題は組み合わせ最適化であるため、状態変数は離散変数であることが必要である。
このため、従来の出力制御装置では、制御器内の複数の制御ゲインをコード化し、この制御ゲインを表すビット列を繋ぎ合わせたデータを、１つの制御ゲインの組み合わせ候補となるコード列とするための操作が必要となるとともに、それぞれの個体を評価する時は、ビット列からゲイン値に戻す必要があり、制御ゲインの最適化に時間がかかるという問題があった。
【０００８】
また、従来の出力制御装置では、連続的な値が遺伝的アルゴリズムという組み合わせ最適化手法で無理に最適化処理が行われるため、最適化時は制御ゲインの連続性が無視される上、制御ゲインを表すビット列を繋ぎ合わせる順番などが最適化の収束性に影響するため、そのアルゴリズムの設計が困難であるという問題があった。
そこで、本発明の目的は、アルゴリズムの簡易化を図りつつ、連続型の変数を高速に最適化することが可能な出力制御方法、出力制御装置および出力制御プログラムを提供することである。
【０００９】
【課題を解決するための手段】
上述した課題を解決するために、請求項１記載の出力制御方法によれば、パーティクル・スウォーム・オプティマイゼーションを適用して生成された擬似制御出力に基づいて、制御対象を模擬動作させるステップと、前記制御対象の模擬動作結果に基づいて、前記制御対象に出力される実制御出力を調整するステップとを備えることを特徴とする。
【００１０】
これにより、概念が簡単なアルゴリズムを用いて、連続型の変数のままで実制御出力の最適化を図ることが可能となり、制御対象を高速かつ安定して制御することが可能となる。
また、請求項２記載の出力制御方法によれば、パーティクル・スウォーム・オプティマイゼーションを用いることにより、制御対象を模擬した制御対象モデルを構築するステップと、パーティクル・スウォーム・オプティマイゼーションを適用して生成された擬似制御出力に基づいて、前記制御対象モデルを動作させるステップと、前記制御対象モデルの動作結果に基づいて、前記制御対象に出力される実制御出力を調整するステップとを備えることを特徴とする。
【００１１】
これにより、制御対象の特性が不明な場合においても、簡単なアルゴリズムを繰り返し用いることで、制御対象モデルの特性を自律的に最適化しつつ、実制御出力の最適化を図ることが可能となり、制御対象を高速かつ安定して制御することが可能となる。
また、請求項３記載の出力制御方法によれば、制御対象を制御する実制御部に対応した擬似制御部のパラメータに、パーティクル・スウォーム・オプティマイゼーションによるエージェントの状態変数を設定するステップと、前記パラメータが設定された擬似制御部および前記制御対象に要求される規範応答を生成する規範モデルに、指令信号を入力するステップと、前記制御対象を模擬した制御対象モデルのモデル状態量を前記擬似制御部に入力するステップと、前記擬似制御部から出力される擬似制御出力を前記制御対象モデルに入力するステップと、前記制御対象モデルのモデル状態量および前記規範モデルの規範応答に基づいて、パーティクル・スウォーム・オプティマイゼーションにより前記擬似制御部のパラメータを最適化するステップと、前記擬似制御部で更新されたパラメータに基づいて、前記実制御部のパラメータを調整するステップと、前記パラメータが調整された実制御部からの実制御出力に基づいて、前記制御対象を制御するステップとを備えることを特徴とする。
【００１２】
これにより、概念が簡単なアルゴリズムを用いて、連続型の変数のまま制御対象モデルの動作をシミュレートすることで、実制御部のパラメータを調整することが可能となり、制御対象を高速かつ安定して制御することが可能となる。
また、請求項４記載の出力制御方法によれば、制御対象を制御する実制御部に対応した擬似制御部のパラメータに、パーティクル・スウォーム・オプティマイゼーションによるエージェントの状態変数を設定するステップと、前記パラメータが設定された擬似制御部および前記制御対象に要求される規範応答を生成する規範モデルに、指令信号を入力するステップと、前記制御対象を模擬した制御対象モデルのモデル状態量を前記擬似制御部に入力するステップと、前記擬似制御部から出力される擬似制御出力を前記制御対象モデルに入力するステップと、前記制御対象モデルのモデル状態量および前記規範モデルの規範応答に基づいて、パーティクル・スウォーム・オプティマイゼーションにより前記擬似制御部のパラメータを最適化するステップと、前記擬似制御部で更新されたパラメータに基づいて、前記実制御部のパラメータを調整するステップと、前記パラメータが調整された実制御部側に、前記指令信号の入力先を切り替えるステップと、前記パラメータが調整された実制御部からの実制御出力に基づいて、前記制御対象を制御するステップとを備えることを特徴とする。
【００１３】
これにより、実制御部のパラメータの調整中は、指令信号が実制御部に入力されないようにして、制御対象の動作を停止させることが可能となるとともに、実制御部のパラメータの調整後は、指令信号が実制御部に入力されるようにして、制御対象を動作させることが可能となる。
このため、実制御部のパラメータの調整を制御対象の動作と切り離して行うことが可能となり、実制御部のパラメータの調整を制御対象の動作と独立させて、コンピュータなどを用いて容易に行うことが可能となる。
【００１４】
また、請求項５記載の出力制御方法によれば、制御対象を模擬した制御対象モデルのパラメータに、パーティクル・スウォーム・オプティマイゼーションによるエージェントの状態変数を設定するステップと、前記制御対象を制御する実制御部に指令信号を入力するステップと、前記実制御部から出力される実制御出力に基づいて、前記制御対象および制御対象モデルを制御するステップと、前記制御対象の状態量および前記制御対象モデルのモデル状態量に基づいて、前記制御対象モデルのパラメータを調整するステップと、前記制御対象を制御する実制御部に対応した擬似制御部のパラメータに、パーティクル・スウォーム・オプティマイゼーションによるエージェントの状態変数を設定するステップと、前記パラメータが設定された擬似制御部および前記制御対象に要求される規範応答を生成する規範モデルに、指令信号を入力するステップと、前記制御対象モデルのモデル状態量を前記擬似制御部に入力するステップと、前記擬似制御部から出力される擬似制御出力を前記制御対象モデルに入力するステップと、前記制御対象モデルのモデル状態量および前記規範モデルの規範応答に基づいて、パーティクル・スウォーム・オプティマイゼーションにより前記擬似制御部のパラメータを最適化するステップと、前記擬似制御部で更新されたパラメータに基づいて、前記実制御部のパラメータを調整するステップと、前記パラメータが調整された実制御部からの実制御出力に基づいて、前記制御対象を制御するステップとを備えることを特徴とする。
【００１５】
これにより、制御対象の特性が不明な場合においても、簡単なアルゴリズムを繰り返し用いることで、制御対象モデルの特性を自律的に最適化しつつ、連続型の変数のまま制御対象モデルの動作をシミュレートすることが可能となり、制御対象を高速かつ安定して制御することが可能となる。
また、請求項６記載の出力制御方法によれば、制御対象を模擬した制御対象モデルのパラメータに、パーティクル・スウォーム・オプティマイゼーションによるエージェントの状態変数を設定するステップと、前記制御対象を制御する実制御部に指令信号を入力するステップと、前記実制御部から出力される実制御出力に基づいて、前記制御対象を制御するステップと、前記実制御部を模擬する擬似制御部のパラメータに、前記実制御部のパラメータをコピーするステップと、前記擬似制御部から出力される擬似制御出力に基づいて、前記制御対象モデルを制御するステップと、前記制御対象の状態量および前記制御対象モデルのモデル状態量に基づいて、前記制御対象モデルのパラメータを調整するステップと、前記擬似制御部のパラメータに、パーティクル・スウォーム・オプティマイゼーションによるエージェントの状態変数を設定するステップと、前記パラメータが設定された擬似制御部および前記制御対象に要求される規範応答を生成する規範モデルに、指令信号を入力するステップと、前記制御対象モデルのモデル状態量を前記擬似制御部に入力するステップと、前記擬似制御部から出力される擬似制御出力を前記制御対象モデルに入力するステップと、前記制御対象モデルのモデル状態量および前記規範モデルの規範応答に基づいて、パーティクル・スウォーム・オプティマイゼーションにより前記擬似制御部のパラメータを最適化するステップと、前記擬似制御部で更新されたパラメータに基づいて、前記実制御部のパラメータを調整するステップと、前記パラメータが調整された実制御部からの実制御出力に基づいて、前記制御対象を制御するステップとを備えることを特徴とする。
【００１６】
これにより、制御対象の特性が不明な場合においても、実制御部から出力される実制御出力を制御対象モデルに入力することなく、制御対象モデルの特性を制御対象の特性に近づけることが可能となり、構成の簡略化を図りつつ、制御対象を高速かつ安定して制御することが可能となる。
また、請求項７記載の出力制御方法によれば、前記制御対象を電動機機械システムとしたことを特徴とする。
【００１７】
また、請求項８記載の出力制御装置によれば、制御対象の状態量を少なくとも１つ観測する状態観測手段と、指令信号および前記状態観測手段により観測された状態量に基づいて、前記制御対象を制御する実制御手段と、パーティクル・スウォーム・オプティマイゼーションを適用した前記制御対象の模擬動作結果に基づいて、前記実制御手段の特性を調整するシミュレータ手段とを備えることを特徴とする。
【００１８】
これにより、連続型の変数に適用される簡単なアルゴリズムを用いて、実制御手段の特性を最適化することが可能となり、制御対象を高速かつ安定して制御することが可能となる。
また、請求項９記載の出力制御装置によれば、前記シミュレータ手段は、前記制御対象を模擬した制御対象モデルと、前記実制御手段と同様な構造を有し、前記制御対象モデルに擬似制御入力を出力する擬似制御手段と、前記指令信号に基づいて、前記制御対象に要求される規範応答を生成する規範モデルと、前記制御対象モデルの動作結果に基づいて、前記擬似制御手段のパラメータを最適化する第１最適化手段とを備えることを特徴とする。
【００１９】
これにより、連続型の変数に適用される簡単なアルゴリズムを用いて、制御対象の動作を模擬しつつ、制御対象の最適制御が可能となるように、擬似制御手段のパラメータを調整することが可能となり、制御対象を高速かつ安定して制御することが可能となる。
また、請求項１０記載の出力制御装置によれば、前記第１最適化手段は、パーティクル・スウォーム・オプティマイゼーションによるエージェントの状態変数を前記擬似制御手段のパラメータに設定するパラメータ設定手段と、前記制御対象モデルのモデル状態量および前記規範モデルの規範応答に基づいて、パーティクル・スウォーム・オプティマイゼーションにより前記擬似制御手段のパラメータを更新するパラメータ更新手段とを備えることを特徴とする。
【００２０】
これにより、パーティクル・スウォーム・オプティマイゼーションを適用することで、擬似制御手段の特性を評価しつつ、擬似制御手段の特性が最適化されるように、擬似制御手段のパラメータを容易に変更することが可能となり、制御対象を高速かつ安定して制御することが可能となる。
また、請求項１１記載の出力制御装置によれば、前記指令信号の入力を、前記シミュレータ手段または前記実制御手段に切り替える第１選択手段をさらに備えることを特徴とする。
【００２１】
これにより、実制御手段のパラメータの調整中は、指令信号がシミュレータ手段に入力されるとともに、実制御手段に入力されないようにして、制御対象の動作を停止させつつ、制御対象の動作をシミュレートすることが可能となる。
このため、実制御手段のパラメータの調整を制御対象の動作と切り離して行うことが可能となり、実制御手段のパラメータの調整を制御対象の動作と独立させて、コンピュータなどを用いて容易に行うことが可能となる。
【００２２】
また、請求項１２記載の出力制御装置によれば、前記制御対象の状態量および前記制御対象モデルのモデル状態量に基づいて、前記制御対象モデルの構造またはパラメータを最適化する第２最適化手段をさらに備えることを特徴とする。
これにより、制御対象の特性が不明な場合においても、簡単なアルゴリズムを繰り返し用いることで、制御対象を模擬しつつ、制御対象の振る舞いに近づくように、制御対象モデルを構築することが可能となるとともに、制御対象の最適制御が可能となるように、擬似制御手段のパラメータを調整することが可能となり、制御対象を高速かつ安定して制御することが可能となる。
【００２３】
また、請求項１３記載の出力制御装置によれば、前記制御対象モデルの入力を、前記擬似制御手段からの擬似制御出力または前記実制御手段からの実制御出力に切り替える第２選択手段をさらに備えることを特徴とする。
これにより、制御対象の特性が不明な場合においても、制御対象の振る舞いに近づくように、制御対象モデルを構築した後に、その制御対象モデルを用いて、御対象の最適制御が可能となるように、擬似制御手段のパラメータを調整することが可能となる。
【００２４】
また、請求項１４記載の出力制御プログラムによれば、パーティクル・スウォーム・オプティマイゼーションを適用して制御出力を模擬的に生成するステップと、前記模擬的に生成された制御出力に基づいて、制御対象の動作をシミュレートするステップと、前記制御対象のシミュレート結果に基づいて、前記制御対象を制御する実制御部のパラメータを調整するステップとを備えることを特徴とする。
【００２５】
これにより、連続型の変数に適用される簡単なアルゴリズムを用いて、実制御部のパラメータを最適化することが可能となり、制御対象を高速かつ安定して制御することが可能となる。
また、請求項１５記載の出力制御プログラムによれば、パーティクル・スウォーム・オプティマイゼーションを用いることにより、制御対象を模擬した制御対象モデルを構築するステップと、パーティクル・スウォーム・オプティマイゼーションを適用して制御出力を模擬的に生成するステップと、前記期擬似制御出力に基づいて、前記制御対象モデルを動作させるステップと、前記制御対象モデルの動作結果に基づいて、前記制御対象を制御する実制御部のパラメータを調整するステップとを備えることを特徴とする。
【００２６】
これにより、制御対象の特性が不明な場合においても、簡単なアルゴリズムを繰り返し用いることで、制御対象を模擬しつつ、制御対象の振る舞いに近づくように、制御対象モデルを構築することが可能となるとともに、制御対象の最適制御が可能となるように、擬似制御手段のパラメータを調整することが可能となり、制御対象を高速かつ安定して制御することが可能となる。
【００２７】
【発明の実施の形態】
以下、本発明の実施形態に係る出力制御装置について図面を参照しながら説明する。
図１は、本発明の一実施形態に係る出力制御装置の概略構成を示すブロック図である。
【００２８】
図１において、出力制御装置には、シミュレータ部１０１、実制御部１０２および状態観測部１０７が設けられ、制御対象１０６は、例えば、電動機などの負荷機械１０５を駆動するための駆動部１０４、この駆動部１０４に電力を供給するインバータ等の電力変換部１０３とを備えている。なお、以下の説明では、制御対象１０６を電動機機械システムという総称で呼ぶことにする。
【００２９】
ここで、シミュレータ部１０１は、パーティクル・スウォーム・オプティマイゼーションを適用した制御対象１０６の模擬動作結果に基づいて、実制御部１０２の特性を調整するとともに、制御対象１０６の特性が不明の場合、パーティクル・スウォーム・オプティマイゼーションを適用することで、制御対象１０６の特性を模擬する制御対象モデルを構築する。
【００３０】
実制御部１０２は、指令信号および状態観測部１０７により観測された状態量に基づいて制御対象１０６を制御し、例えば、実制御出力としてトルク指令を変換部１０３に出力する。
状態観測部１０７は、制御対象１０６の状態量として駆動部１０４の位置を少なくとも１つ観測する。
【００３１】
変換部１０３は、駆動部１０４で発生されるトルクが、実制御部１０２から出力されたトルク指令に対応するように、駆動部１０４に供給される電力を調整する。
駆動部１０４は、例えば、電動機と伝達機構で構成され、負荷機械１０５を駆動する。
【００３２】
ここで、パーティクル・スウォーム・オプティマイゼーションは、簡単化した社会モデルのシミュレーションを通して開発されたモダンヒューリスティック（Ｍｏｄｅｒｎ Ｈｅｕｒｉｓｔｉｃ：ＭＨ）手法の１つであり、鳥の群れの動きを連続変数の２次元空間で表現することを通して開発された。
なお、パーティクル・スウォーム・オプティマイゼーションについては、Ｊ．Ｋｅｎｎｅｄｙ ａｎｄ Ｒ．Ｅｂｅｒｈａｒｔによる“Ｐａｒｔｉｃｌｅ Ｓｗａｒｍ Ｏｐｔｉｍｉｚａｔｉｏｎ”（Ｐｒｏｃ． ｏｆ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ，Ｖｏｌ．ＩＶ，ｐｐ．１９４２−１９４８，Ｐｅｒｔｈ，Ａｕｓｔｒａｌｉａ，１９９５．）や、吉田・福山他による「電圧信頼度を考慮したＰａｒｔｉｃｌｅ Ｓｗａｒｍ Ｏｐｔｉｍｉｚａｔｉｏｎによる電圧無効電力制御方式の検討」（電気学会論文誌Ｂ，１１９巻１２号，１９９９年１２月）、特開２０００−１１６００３「電圧無効電力制御方法」、特開２００２−５１４６４「配電系統における状態推定法」などに記載されている。
【００３３】
そして、パーティクル・スウォーム・オプティマイゼーションでは、各エージェント（パーティクル・スウォーム・オプティマイゼーションでは、群れの個々をエージェントと呼ぶ。）の位置（状態量）をｘ、ｙ座標で表し、各エージェントの速度をｖｘ（ｘ方向の速度）、ｖｙ（ｙ方向の速度）で表現する。
そして、各エージェントの位置と速度の情報から、次時点の各エージェントの位置を更新することができる。
【００３４】
この概念に基づき、鳥の群れ全体が何らかの目的関数を最適化するような行動をとると考えると、以下のような最適化が考えられる。
すなわち、各エージェントは、各々の探索における目的関数のそれまでの最も評価の高い最良値ｐｂｅｓｔと、その位置（状態量）を示すｘ、ｙ座標とを覚えている。また、各エージェントは、各エージェントが保有する最良値ｐｂｅｓｔの集団の中で最も評価の高いもの、すなわち、集団のそれまでの目的関数の最良値ｇｂｅｓｔを共有している。
【００３５】
また、各エージェントは、現在の位置（ｘ、ｙ座標）および現在の速度（ｖｘ、ｖｙ）を持っている。
そして、各エージェントは、現在の位置（ｘ、ｙ座標）および速度（ｖｘ、ｖｙ）と、最良値ｐｂｅｓｔ、ｇｂｅｓｔとの間の距離に応じて、最良値ｐｂｅｓｔ、ｇｂｅｓｔの存在する位置に方向を変更しようとする。
【００３６】
この変更しようとする行動は速度で表現される。そして、各エージェントの速度は、現在の速度と最良値ｐｂｅｓｔ、ｇｂｅｓｔとを用いて、（１）式のように修正することができる。
Ｖｉ ｋ＋１＝ｗ×Ｖｉ ｋ＋ｃ１×ｒａｎｄ（）×（ｐｂｅｓｔｉ−ｓｉ ｋ）
＋ｃ２×ｒａｎｄ（）×（ｇｂｅｓｔ−ｓｉ ｋ） ・・・（１）
ただし、Ｖｉ ｋは、エージェントｉの速度、ｒａｎｄ（）は、０〜１までの一様乱数、ｓｉ ｋは、エージェントｉの探索ｋ回目の位置（探索点）、ｐｂｅｓｔｉは、エージェントｉの最良値ｐｂｅｓｔ、ｗは、エージェント速度に対する重み関数、ｃ１、ｃ２は、各項に対する重み係数である。
【００３７】
この（１）式を用いることにより、各エージェントのこれまでの最良値ｐｂｅｓｔおよび集団の最良値ｇｂｅｓｔに確率的に近づくような速度Ｖｉ ｋ＋１を求めることができ、これにより、各エージェントの現在の位置（探索点）ｓｉ ｋを（２）式のように修正することができる。
ｓｉ ｋ＋１＝ｓｉ ｋ＋Ｖｉ ｋ＋１ ・・・（２）
ここで、パーティクル・スウォーム・オプティマイゼーションでは、遺伝的アルゴリズムと同様に複数の探索点を持った多点探索で、各探索点の最良値ｐｂｅｓｔおよび集団の最良値ｇｂｅｓｔを用いて各探索点を確率的に変更していくことにより、大域最適解（最良解）を得ることができる。
【００３８】
また、パーティクル・スウォーム・オプティマイゼーションでは、これまでの速度を維持しようとする大域探索（（１）式の右辺第１項）と、最良値ｐｂｅｓｔ、ｇｂｅｓｔとを用いてこれらに近づこうとする、局所探索（（１）式の右辺第２、３項）とをバランスよく行うことができる。
さらに、パーティクル・スウォーム・オプティマイゼーションでは、各ステップで目的関数を評価する必要があるが、評価回数は問題の規模によらず、エージェント数のみでよいため、大規模問題への適用を容易に行うことができる。
【００３９】
図２は、図１の実制御部１０２の概略構成を示すブロック図である。
図２において、実制御部１０２には、減算器２０１、２０３、係数器２０２、２０５、微分器２０４、積分器２０６および加算器２０７が設けられている。
そして、指令信号としての位置指令と、状態量としての駆動部１０４の位置が入力され、比例制御（Ｐ制御）および比例−積分制御（ＰＩ制御）を行った後、実制御出力としてトルク指令を変換部１０３に出力する。
【００４０】
ここで、実制御部１０２の各係数Ｋｐ、Ｋｖ、Ｔｉは、擬似制御部３０２により調整される。
すなわち、指令信号が減算器２０１に入力されるとともに、状態観測部１０７で観測された駆動部１０４の状態量が減算器２０１および微分器２０４に入力される。
【００４１】
そして、減算器２０１にて、指令信号から状態量が減算され、その減算結果が係数器２０２に出力される。そして、係数器２０２にて、減算器２０１から出力された減算結果に係数Ｋｐが乗算され、その乗算結果が減算器２０３に出力される。
一方、微分器２０４に入力された状態量は、微分器２０４にて微分された後、減算器２０３に出力される。
【００４２】
そして、減算器２０３にて、係数器２０２から出力された乗算結果と、微分器２０４から出力された微分結果とが減算された後、その減算結果が係数器２０５に出力される。そして、係数器２０５にて、減算器２０３から出力された減算結果に係数Ｋｖが乗算され、その乗算結果が積分器２０６および加算器２０７に出力される。
【００４３】
そして、積分器２０６にて、係数器２０５から出力された乗算結果が積分されるとともに、係数Ｔｉで除算され、積分器２０６からの出力値が加算器２０７に出力される。
そして、加算器２０７にて、係数器２０５から出力された乗算結果と積分器２０６からの出力値とが加算された後、実制御出力として出力する。
【００４４】
図３は、図１のシミュレータ部１０１の概略構成を示すブロック図である。
図３において、シミュレータ部１０１には、規範モデル部３０１、擬似制御部３０２、第１最適化手段３０３、制御対象モデル３０４、第２最適化手段３０５および第２選択部３０６が設けられている。
ここで、第２選択部３０６は、制御対象モデル３０４の入力を、擬似制御部３０２からの擬似制御出力または実制御部１０２からの実制御出力に切り替える。
【００４５】
制御対象モデル３０４は、図１の制御対象１０６と同様な構造を有し、制御対象１０６を模擬する。
擬似制御部３０２は、図１の実制御部１０２と同様な構造を有し、制御対象モデル３０４に擬似制御入力を出力する。
第１最適化手段３０３は、制御対象モデル３０４の動作結果に基づいて、擬似制御部３０２のパラメータを最適化するもので、パーティクル・スウォーム・オプティマイゼーションを適用して、擬似制御部３０２のパラメータを調整するＰＳＯ適用部３０３ａが設けられている。
【００４６】
第２最適化手段３０５は、制御対象１０６の状態量および制御対象モデル３０４のモデル状態量（模擬応答とも言われる）に基づいて、制御対象モデル３０４の構造またはパラメータを最適化するもので、パーティクル・スウォーム・オプティマイゼーションを用いることにより、制御対象１０６を模擬した制御対象モデル３０４を構築するためのＰＳＯ適用部３０５ａが設けられている。
【００４７】
規範モデル部３０１は、指令信号に基づいて、制御対象１０６に要求される規範応答を生成する。
図４は、図３の第２選択部３０６の概略構成を示すブロック図である。
図４において、第２選択部３０６には、制御対象モデル３０４の入力を、擬似制御部３０２からの擬似制御出力または実制御部１０２からの実制御出力に切り替える切替手段４０１が設けられている。
【００４８】
そして、第２選択部３０６は、第１最適化手段３０３により擬似制御部３０２の特性の最適化が行なわれる場合、擬似制御部３０２からの擬似制御出力を制御対象モデル３０４に入力し、第２最適化手段３０５により制御対象モデル３０４２の特性の最適化が行なわれる場合、実制御部１０２からの実制御出力を制御対象モデル３０４に入力する。
【００４９】
これにより、制御対象１０６の特性が不明であっても、制御対象モデル３０４の入力を切り替えることで、制御対象モデル３０４の特性が制御対象１０６の特性に近づくように、制御対象モデル３０４の特性を最適化することが可能となる。
図５は、図３の制御対象モデル３０４の概略構成を示すブロック図である。
【００５０】
図５において、制御対象モデル３０４には、減算器５０１、５０６、係数器５０８、微分器５０７、積分器５０２〜５０５および加算器５０９が設けられ、２慣性系モデルを構成している。
そして、擬似制御部３０２からの擬似制御出力または実制御部１０２からの実制御出力が入力され、駆動部１０４に相当する位置を状態量として擬似制御部３０２、第１最適化手段３０３および第２最適化手段３０５に出力する。
【００５１】
ここで、制御対象モデル３０４の各係数Ｊｍ、Ｄ、Ｋ、ＪＬは、第２最適化手段３０５により調整される。
すなわち、擬似制御部３０２からの擬似制御出力または実制御部１０２からの実制御出力が減算器５０１に入力される。
そして、減算器５０１にて、擬似制御出力または実制御出力と加算器５０９から出力された加算結果とが減算され、その減算結果が積分器５０２に出力される。そして、積分器５０２にて、減算器５０１から出力された減算結果が積分されるとともに、係数Ｊｍで除算され、積分器５０２からの出力値が積分器５０３に出力される。
【００５２】
そして、積分器５０３にて、積分器５０２からの出力値が積分され、制御対象モデル３０４のモデル状態量として出力されるとともに、減算器５０６に出力される。
一方、加算器５０９から出力された加算結果は、積分器５０４にも出力される。そして、積分器５０４にて、加算器５０９から出力された加算結果が積分されるとともに、係数ＪＬで除算され、積分器５０４からの出力値が積分器５０５に出力される。そして、積分器５０５にて、積分器５０４からの出力値が積分され、減算器５０６に出力される。
【００５３】
そして、減算器５０６にて、積分器５０３からの出力値と、積分器５０５からの出力値とが減算され、その減算結果が微分器５０７および係数器５０８に出力される。
そして、微分器５０７にて、減算器５０６から出力された減算結果が微分されるとともに、係数Ｄが乗算され、加算器５０９に出力されるとともに、係数器５０８にて、減算器５０６から出力された減算結果に係数Ｄが乗算され、加算器５０９に出力される。
【００５４】
そして、加算器５０９にて、微分器５０７からの出力値と、係数器５０８からの出力値とが加算され、その加算結果が減算器５０１および積分器５０４に出力される。
図６は、図３の擬似制御部３０２の概略構成を示すブロック図である。
図６において、擬似制御部３０２には、実制御部１０２に対応して、減算器６０１、６０３、係数器６０２、６０５、微分器６０４、積分器６０６および加算器６０７が設けられている。
【００５５】
そして、第１最適化手段３０３により調整された擬似制御部３０２の各係数Ｋｐ、Ｋｖ、Ｔｉに基づいて、実制御部１０２の各係数Ｋｐ、Ｋｖ、Ｔｉを調整する。
すなわち、指令信号が減算器６０１に入力されるとともに、制御対象モデル３０４のモデル状態量が減算器６０１および微分器６０４に入力される。
【００５６】
そして、減算器６０１にて、指令信号から状態量が減算され、その減算結果が係数器６０２に出力される。そして、係数器６０２にて、減算器６０１から出力された減算結果に係数Ｋｐが乗算され、その乗算結果が減算器６０３に出力される。
一方、微分器６０４に入力された状態量は、微分器６０４にて微分された後、減算器６０３に出力される。
【００５７】
そして、減算器６０３にて、係数器６０２から出力された乗算結果と、微分器６０４から出力された微分結果とが減算された後、その減算結果が係数器６０５に出力される。そして、係数器６０５にて、減算器６０３から出力された減算結果に係数Ｋｖが乗算され、その乗算結果が積分器６０６および加算器６０７に出力される。
【００５８】
そして、積分器６０６にて、係数器６０５から出力された乗算結果が積分されるとともに、係数Ｔｉで除算され、積分器６０６からの出力値が加算器６０７に出力される。
そして、加算器６０７にて、係数器６０５から出力された乗算結果と積分器６０６からの出力値とが加算された後、擬似制御出力として出力する。
【００５９】
図７は、図３の規範モデル部３０１の概略構成を示すブロック図である。
図７において、規範モデル部３０１には、一次遅れ系７０１が設けられ、一次遅れ系７０１の係数Ｔｒは外部から設定される。そして、一次遅れ系７０１には、指令信号が入力され、この指令信号に対し、制御対象１０６の状態量の規範となる信号が出力される。
【００６０】
以下、各種条件下での図１の構成の動作について説明する。
まず、制御対象モデル３０４の特性が制御対象１０６の特性に近い場合、第２選択部３０６は、切替手段４０１により、制御対象モデル３０４の入力を擬似制御部３０２からの擬似制御出力側に切り替え、擬似制御出力を常に選択する。
そして、擬似制御部３０２は、指令信号および制御対象モデル３０４のモデル状態量が入力されると、第１最適化手段３０３によって、擬似制御部３０２の各係数Ｋｐ、Ｋｖ、Ｔｉの調整が図られながら、擬似制御出力を第２選択部３０６に出力する。
【００６１】
そして、第２選択部３０６は、擬似制御部３０２から擬似制御出力が入力されると、その擬似制御出力を制御対象モデル３０４に出力する。
そして、擬似制御出力が制御対象モデル３０４に入力されると、制御対象モデル３０４は、制御対象１０６の動作を模擬することにより、制御対象１０６の状態量に相当するモデル状態量を擬似制御部３０２、第１最適化手段３０３および第２最適化手段３０５に出力する。
【００６２】
そして、指令信号がシミュレータ部１０１に入力されると、規範モデル部３０１は、この指令信号に対して制御対象１０６の状態量の規範となる規範応答を第１最適化手段３０３に出力する。
そして、第１最適化手段３０３は、パーティクル・スウォーム・オプティマイゼーションを用いて、擬似制御部３０２の各係数Ｋｐ、Ｋｖ、Ｔｉを調整し、制御対象モデル３０４のモデル状態量および規範モデル部３０１から出力された規範応答の評価結果に基づいて、擬似制御部３０２の各係数Ｋｐ、Ｋｖ、Ｔｉを最適化する。
【００６３】
そして、第１最適化手段３０３により、擬似制御部３０２の各係数Ｋｐ、Ｋｖ、Ｔｉが最適化されると、擬似制御部３０２は、この最適化された各係数Ｋｐ、Ｋｖ、Ｔｉに基づいて、実制御部１０２の各係数Ｋｐ、Ｋｖ、Ｔｉを調整する。そして、実制御部１０２の各係数Ｋｐ、Ｋｖ、Ｔｉが調整されると、実制御部１０２は、指令信号および状態観測部１０７で観測された駆動部１０４の状態量に基づいて実制御出力を生成し、この実制御出力を変換部１０３に出力する。
【００６４】
そして、変換部１０３は、実制御出力が実制御部１０２から入力されると、その実制御出力に対応するように駆動部１０４に供給される電力を調整する。そして、駆動部１０４は、変換部１０３から供給された電力を駆動源として負荷機械１０６を駆動する。
以下、パーティクル・スウォーム・オプティマイゼーションを第１最適化手段３０３に適用した場合の具体的な手順について説明する。
【００６５】
まず、パーティクル・スウォーム・オプティマイゼーションのエージェントの状態変数は、擬似制御部３０２の各係数Ｋｐ、Ｋｖ、Ｔｉとする。
次に、エージェントの初期値として、エージェントの位置ｓｉおよび速度ｖｉを設定する。なお、エージェントの数ｉは事前に設定しておく。
次に、（１）式および（２）式の計算を繰り返すことにより、最適解を探索する。なお、繰り返し回数ｋは事前に設定しておく。また、最適解を探索する際に、ステップごとに、各エージェントの評価と、各探索点の最良値ｐｂｅｓｔおよび集団の最良値ｇｂｅｓｔの更新を行う。
【００６６】
ここで、各エージェントの評価は、以下の手順で行うことができる。
まず、エージェントの状態変数ｓｉを、擬似制御部３０２の係数Ｋｐ、Ｋｖ、Ｔｉに設定する。
次に、制御対象モデル３０４のモデル状態量データおよび規範モデル部３０１から出力された規範応答データを、一定時間の指令信号についてＮ点分だけ算出する。
次に、制御対象モデル３０４のモデル状態量および規範モデル部３０１から出力された規範応答を、（３）式により評価する。
【００６７】
【数１】

Figure 2004164426
【００６８】
ただし、Ｘｒ（ｎ）は、規範モデル部３０１から出力された規範応答データ、Ｘｅ（ｎ）は、制御対象モデル３０４のモデル状態量データ、Ｗ（ｎ）は、データ点に対する重み関数、Ｆは評価結果である。
そして、全てのエージェントの評価結果Ｆに基づいて、各探索点の最良値ｐｂｅｓｔおよび集団の最良値ｇｂｅｓｔを決定する。
【００６９】
そして、指定された回数が終了したら、集団の最良値ｇｂｅｓｔの状態量を擬似制御部３０２の係数Ｋｐ、Ｋｖ、Ｔｉとしたものを、最適な係数として保存する。
これにより、連続型の変数に適用される簡単なアルゴリズムを用いて、制御対象１０６の動作を模擬しつつ、制御対象１０６の最適制御が可能となるように、擬似制御部３０２の係数Ｋｐ、Ｋｖ、Ｔｉを調整することが可能となり、制御対象１０６を高速かつ安定して制御することが可能となる。
【００７０】
なお、パーティクル・スウォーム・オプティマイゼーションでエージェントを評価する評価式は、（３）式に限定されることなく、例えば、応答データのオーバーシュート量や整定時間などを切り出したり、他の評価式を用いるなど、目的に応じて評価式を自由に設定することができる。
また、シミュレータ部１０１の構成はコンピュータを用いて実現することができ、コンピュータのメモリに指令信号を保持し、オフラインにて最適化処理を行うようにしてもよい。
【００７１】
次に、制御対象モデル３０４の特性が制御対象１０６の特性と異なる場合、制御対象モデル３０４に擬似制御出力を入力しても、制御対象モデル３０４の特性が制御対象１０６の特性と異なるため、擬似制御部３０２の各係数Ｋｐ、Ｋｖ、Ｔｉを最適化することができない。
そこで、第１最適化手段３０３を用いて、擬似制御部３０２の各係数Ｋｐ、Ｋｖ、Ｔｉの最適化処理を行う前に、第２最適化手段３０５を用いることで、制御対象モデル３０４の特性が制御対象１０６の特性に近づくように、制御対象モデル３０４の各係数Ｊｍ、ＪＬ、Ｄ、Ｋを最適化する。
【００７２】
まず、第２選択部３０６は、切替手段４０１により、制御対象モデル３０４の入力を実制御部１０２からの実制御出力側に切り替え、実制御出力を選択する。
そして、実制御部３０２は、指令信号および状態観測部１０７で観測された駆動部１０４の状態量に基づいて実制御出力を生成し、この実制御出力を変換部１０４に出力して、制御対象１０６を動作させるとともに、この実制御出力を第２選択部３０６にも出力する。
【００７３】
そして、状態観測部１０７は、実制御出力が変換部１０３に出力されると、駆動部１０４の状態量を、実制御部３０２および第２最適化手段３０５に出力する。
また、第２選択部３０６は、実制御部３０２から実制御出力が入力されると、その実制御出力を制御対象モデル３０４に出力する。
【００７４】
そして、実制御出力が制御対象モデル３０４に入力されると、制御対象モデル３０４は、制御対象モデル３０４で生成されたモデル状態量を擬似制御部３０２、第１最適化手段３０３および第２最適化手段３０５に出力する。
そして、第２最適化手段３０５は、パーティクル・スウォーム・オプティマイゼーションを用いて、制御対象モデル３０４の各係数Ｊｍ、ＪＬ、Ｄ、Ｋを調整し、制御対象モデル３０４のモデル状態量と状態観測部１０７で観測された駆動部１０４の状態量とが一致するように、制御対象モデル３０４の各係数Ｊｍ、ＪＬ、Ｄ、Ｋを最適化する。
【００７５】
なお、制御対象モデル３０４の各係数Ｊｍ、ＪＬ、Ｄ、Ｋを最適化する場合、擬似制御出力は用いられないため、第１最適化手段３０３の動作を停止させることができる。
以下、パーティクル・スウォーム・オプティマイゼーションを第２最適化手段３０５に適用した場合の具体的な手順について説明する。
【００７６】
まず、パーティクル・スウォーム・オプティマイゼーションのエージェントの状態変数は、制御対象モデル３０４の各係数Ｊｍ、ＪＬ、Ｄ、Ｋとする。
次に、エージェントの初期値として、エージェントの位置ｓｉおよび速度ｖｉを設定する。なお、エージェントの数ｉは事前に設定しておく。
次に、（１）式および（２）式の計算を繰り返すことにより、最適解を探索する。なお、繰り返し回数ｋは事前に設定しておく。また、最適解を探索する際に、ステップごとに、各エージェントの評価と、各探索点の最良値ｐｂｅｓｔおよび集団の最良値ｇｂｅｓｔの更新を行う。
【００７７】
ここで、各エージェントの評価は、以下の手順で行うことができる。
まず、エージェントの状態変数ｓｉを、制御対象モデル３０４の各係数Ｊｍ、ＪＬ、Ｄ、Ｋに設定する。
次に、制御対象モデル３０４のモデル状態量データおよび状態観測部１０７で観測された駆動部１０４の状態量データを、一定範囲の実制御出力についてＮ点分だけ算出する。
次に、制御対象モデル３０４のモデル状態量および状態観測部１０７で観測された駆動部１０４の状態量を、（４）式により評価する。
【００７８】
【数２】
Figure 2004164426
【００７９】
ただし、Ｘｍ（ｎ）は、状態観測部１０７で観測された駆動部１０４の状態量データ、Ｘｅ（ｎ）は、制御対象モデル３０４のモデル状態量データ、Ｗ（ｎ）は、データ点に対する重み関数、Ｆは評価結果である。
そして、全てのエージェントの評価結果Ｆに基づいて、各探索点の最良値ｐｂｅｓｔおよび集団の最良値ｇｂｅｓｔを決定する。
【００８０】
そして、指定された回数が終了したら、集団の最良値ｇｂｅｓｔの状態量を制御対象モデル３０４の各係数Ｊｍ、ＪＬ、Ｄ、Ｋとしたものを、最適な係数として保存する。
これにより、制御対象１０６の特性が不明な場合においても、簡単なアルゴリズムを用いることで、制御対象１０６を模擬しつつ、制御対象１０６の振る舞いに近づくように、制御対象モデル３０４の各係数Ｊｍ、ＪＬ、Ｄ、Ｋを調整することが可能となる。
【００８１】
なお、シミュレータ部１０１の構成はコンピュータを用いて実現することができ、実制御部１０２から出力された実制御出力および状態観測部１０７で観測された駆動部１０４の状態量をコンピュータのメモリに保持し、オフラインにて最適化処理を行うようにしてもよい。
そして、制御対象モデル３０４の各係数Ｊｍ、ＪＬ、Ｄ、Ｋを最適化することで、制御対象モデル３０４の特性が制御対象１０６の特性に近くなると、第２選択部３０６は、切替手段４０１により、制御対象モデル３０４の入力を擬似制御部３０２からの擬似制御出力側に切り替え、擬似制御出力を選択する。
【００８２】
そして、シミュレータ部１０１は、擬似制御出力が選択されると、第１最適化手段３０３を用いて、擬似制御部３０２の各係数Ｋｐ、Ｋｖ、Ｔｉの最適化処理を行う。
そして、擬似制御部３０２の各係数Ｋｐ、Ｋｖ、Ｔｉが最適化されると、この擬似制御部３０２の各係数Ｋｐ、Ｋｖ、Ｔｉに基づいて、実制御部１０２の各係数Ｋｐ、Ｋｖ、Ｔｉを調整する。
【００８３】
このように、第１最適化手段３０３および第２最適化手段３０５にて、パーティクル・スウォーム・オプティマイゼーションを繰り返し適用することで、規範モデル部３０１に任意の関数を与えれば、実制御部１０２の各係数Ｋｐ、Ｋｖ、Ｔｉを自律的に調整することが可能となり、制御対象１０６の最適制御を容易に行うことが可能となる。
【００８４】
また、実際の制御対象１０６の特性が不明の場合においても、実際の制御対象１０６を動作させたまま、制御対象モデル３０４の特性を自律的に最適化することが可能となる。
図８は、本発明の第２実施形態に係る出力制御装置の概略構成を示すブロック図である。なお、この第２実施形態は、第１選択部８０８を図１の構成に付加するようにしたものであり、その他のブロックの構成は、図１の構成と同様である。
【００８５】
すなわち、図８において、出力制御装置には、シミュレータ部８０１、実制御部８０２および状態観測部８０７に加え、第１選択部８０８が設けられ、制御対象８０６には、例えば、変換部８０３、駆動部８０４および負荷機械８０５が設けられている。
ここで、シミュレータ部８０１は、パーティクル・スウォーム・オプティマイゼーションを適用した制御対象８０６の模擬動作結果に基づいて、実制御部８０２の特性を調整する。
【００８６】
実制御部８０２は、指令信号および状態観測部８０７により観測された状態量に基づいて制御対象８０６を制御し、例えば、実制御出力としてトルク指令を変換部８０３に出力する。
状態観測部８０７は、制御対象８０６の状態量として駆動部８０４の位置を少なくとも１つ観測する。
【００８７】
変換部８０３は、駆動部８０４で発生されるトルクが、実制御部８０２から出力されたトルク指令に対応するように、駆動部８０４に供給される電力を調整する。
駆動部８０４は、例えば、電動機と伝達機構で構成され、負荷機械８０５を駆動する。
【００８８】
第１選択部８０８は、指令信号の出力をシミュレータ部８０１側または実制御部８０２側に切り替える。
図９は、図８の第１選択部８０８の概略構成を示すブロック図である。
図９において、第１選択部８０８には、指令信号の出力をシミュレータ部８０１または実制御部８０２に切り替える切替手段９０１が設けられている。
【００８９】
そして、第１選択部８０８は、第１最適化手段３０３を用いて、擬似制御部３０２の各係数Ｋｐ、Ｋｖ、Ｔｉを最適化する場合、指令信号の出力をシミュレータ部８０１側に切り替え、制御対象１０６を動作させる場合、指令信号の出力を実制御部８０２側に切り替える。
これにより、第１最適化手段３０３を用いて、擬似制御部３０２の各係数Ｋｐ、Ｋｖ、Ｔｉを最適化する場合、指令信号が実制御部８０２に入力されないようにして、制御対象１０６が動作しないようにすることができる。
【００９０】
このため、シミュレータ部８０１をコンピュータなどで実現し、制御対象１０６の状態量をメモリなどに保存して、実際の制御対象１０６とは独立に擬似制御部３０２の各係数Ｋｐ、Ｋｖ、Ｔｉを最適化することが可能となる。
なお、上述した第１、２実施形態において、制御対象モデル３０４を構成するブロックの付加・削除・変更を行なえるようにして、制御対象モデル３０４の構造が可変となるようにしてもよい。
【００９１】
この場合、第２最適化手段３０５におけるパーティクル・スウォーム・オプティマイゼーションによる最適化アルゴリズムの状態変数は、制御対象モデル３０４のパラメータの状態変数に、制御対象モデル３０４の構造を表す状態変数を付け加えるようにする。
図１０は、本発明の第３実施形態に係る出力制御装置の概略構成を示すブロック図である。なお、第３実施形態は、図３のシミュレータ部１０１から第２最適化手段３０５および第２選択部３０６を除去するようにしたものであり、その他のブロックの構成は、図１および図３の構成と同様である。
【００９２】
すなわち、図１０において、出力制御装置には、シミュレータ部１００１、実制御部１００２および状態観測部１００７が設けられ、制御対象１００６には、例えば、変換部１００３、駆動部１００４および負荷機械１００５が設けられている。
ここで、シミュレータ部１００１は、パーティクル・スウォーム・オプティマイゼーションを適用した制御対象１００６の模擬動作結果に基づいて、実制御部１００２の特性を調整する。
【００９３】
実制御部１００２は、指令信号および状態観測部１００７により観測された状態量に基づいて制御対象１００６を制御し、例えば、実制御出力としてトルク指令を変換部１００３に出力する。
状態観測部１００７は、制御対象１００６の状態量として駆動部１００４の位置を少なくとも１つ観測する。
【００９４】
変換部１００３は、駆動部１００４で発生されるトルクが、実制御部１００２から出力されたトルク指令に対応するように、駆動部１００４に供給される電力を調整する。
駆動部１００４は、例えば、電動機と伝達機構で構成され、負荷機械１００５を駆動する。
【００９５】
図１１は、図１０のシミュレータ部１００１の概略構成を示すブロック図である。
図１１において、シミュレータ部１００１には、規範モデル部１１０１、擬似制御部１１０２、第１最適化手段１１０３および制御対象モデル１１０４が設けられている。
【００９６】
ここで、制御対象モデル１１０４は、図１０の制御対象１００６と同様な構造を有し、制御対象１００６を模擬する。
擬似制御部１１０２は、図１０の実制御部１００２と同様な構造を有し、制御対象モデル１１０２に擬似制御入力を出力する。
第１最適化手段１１０３は、制御対象モデル１１０４の動作結果に基づいて、擬似制御部１１０２のパラメータを最適化するもので、パーティクル・スウォーム・オプティマイゼーションを適用して、擬似制御部１１０２のパラメータを調整するＰＳＯ適用部１１０３ａが設けられている。
【００９７】
規範モデル部１１０１は、指令信号に基づいて、制御対象１１０６に要求される規範応答を生成する。
以下、図１０の構成の動作について説明する。
まず、制御対象モデル１１０４の特性が制御対象１００６の特性に近い場合、擬似制御部１１０２は、第１最適化手段１１０３によって、擬似制御部１１０２の係数Ｋｐ、Ｋｖ、Ｔｉの調整が図られながら、指令信号および制御対象モデル１１０４のモデル状態量に基づいて擬似制御出力を生成し、その擬似制御出力を制御対象モデル１１０４に出力する。
【００９８】
そして、擬似制御出力が制御対象モデル１１０４に入力されると、制御対象モデル１１０４は、制御対象１００６の動作を模擬することにより、制御対象１００６の状態量に相当するモデル状態量を擬似制御部１１０２および第１最適化手段１１０３に出力する。
そして、指令信号がシミュレータ部１１０１に入力されると、規範モデル部１１０１は、この指令信号に対して制御対象１００６の状態量の規範となる規範応答を第１最適化手段１１０３に出力する。
【００９９】
そして、第１最適化手段１１０３は、パーティクル・スウォーム・オプティマイゼーションを用いて、擬似制御部１１０２の各係数Ｋｐ、Ｋｖ、Ｔｉを調整し、制御対象モデル１１０４のモデル状態量および規範モデル部１１０１から出力された規範応答の評価結果に基づいて、擬似制御部１１０２の各係数Ｋｐ、Ｋｖ、Ｔｉを最適化する。
【０１００】
そして、第１最適化手段１１０３により、擬似制御部１１０２の各係数Ｋｐ、Ｋｖ、Ｔｉが最適化されると、擬似制御部１１０２は、この最適化された各係数Ｋｐ、Ｋｖ、Ｔｉに基づいて、実制御部１００２の各係数Ｋｐ、Ｋｖ、Ｔｉを調整する。
そして、実制御部１００２の各係数Ｋｐ、Ｋｖ、Ｔｉが調整されると、実制御部１００２は、指令信号および状態観測部１００７で観測された駆動部１００４の状態量に基づいて実制御出力を生成し、この実制御出力を変換部１００３に出力する。
【０１０１】
そして、変換部１００３は、実制御出力が実制御部１００２から入力されると、その実制御出力に対応するように駆動部１００４に供給される電力を調整する。そして、駆動部１００４は、変換部１００４から供給された電力を駆動源として負荷機械１００６を駆動する。
一方、制御対象モデル１１０４の特性が制御対象１００６の特性と異なる場合、シミュレータ部１００１以外の構成を用いることにより、制御対象モデル１１０４の特性を制御対象１００６の特性に近づける。
【０１０２】
そして、制御対象モデル１１０４の特性が制御対象１００６の特性に近くなると、シミュレータ部１００１は、第１最適化手段１１０３を用いて、擬似制御部１１０２の各係数Ｋｐ、Ｋｖ、Ｔｉの最適化処理を行う。
これにより、制御対象モデル３０４の各係数Ｊｍ、ＪＬ、Ｄ、Ｋを調整するための構成をシミュレータ部１００１に設ける必要がなくなり、シミュレータ部１００１の構成を簡略化しつつ、実制御部１００２の各係数Ｋｐ、Ｋｖ、Ｔｉの最適化を行うことが可能となる。
【０１０３】
なお、図１０の第３実施形態において、シミュレータ部１００１および実制御部１００２の前段に、図８の第１選択部８０８を付加するようにしてもよい。
これにより、シミュレータ部１００１の構成を簡略化しつつ、実際の制御対象１００６とは独立に擬似制御部１１０２の各係数Ｋｐ、Ｋｖ、Ｔｉを最適化することが可能となる。
【０１０４】
図１２は、本発明の第４実施形態に係る出力制御装置の概略構成を示すブロック図である。なお、第４実施形態は、図３のシミュレータ部１０１から第２選択部３０６を除去するとともに、図１２の実制御部１２０２から図１３の擬似制御部１３０２に係数情報が伝達されるようにしたものであり、その他のブロックの構成は、図１および図３の構成とほぼ同様である。
【０１０５】
図１２において、出力制御装置には、シミュレータ部１２０１、実制御部１２０２および状態観測部１２０７が設けられ、制御対象１２０６には、例えば、変換部１２０３、駆動部１２０４および負荷機械１２０５が設けられている。
ここで、シミュレータ部１２０１は、パーティクル・スウォーム・オプティマイゼーションを適用した制御対象１２０６の模擬動作結果に基づいて、実制御部１２０２の特性を調整するとともに、制御対象１２０６の特性が不明の場合、パーティクル・スウォーム・オプティマイゼーションを適用することで、制御対象１２０６の特性を模擬する制御対象モデルを構築する。
【０１０６】
実制御部１２０２は、指令信号および状態観測部１２０７により観測された状態量に基づいて制御対象１２０６を制御し、例えば、実制御出力としてトルク指令を変換部１２０３に出力する。
状態観測部１２０７は、制御対象１２０６の状態量として駆動部１２０４の位置を少なくとも１つ観測する。
【０１０７】
変換部１２０３は、駆動部１２０４で発生されるトルクが、実制御部１２０２から出力されたトルク指令に対応するように、駆動部１２０４に供給される電力を調整する。
駆動部１２０４は、例えば、電動機と伝達機構で構成され、負荷機械１２０５を駆動する。
【０１０８】
図１３は、図１２のシミュレータ部１２０１の概略構成を示すブロック図である。
図１３において、シミュレータ部１２０１には、規範モデル部１３０１、擬似制御部１３０２、第１最適化手段１３０３、制御対象モデル１３０４および第２最適化手段１３０５が設けられている。
【０１０９】
ここで、制御対象モデル１３０４は、図１２の制御対象１２０６と同様な構造を有し、制御対象１２０６を模擬する。
擬似制御部１３０２は、図１２の実制御部１２０２と同様な構造を有し、制御対象モデル１３０４に擬似制御入力を出力するとともに、実制御部１２０２のパラメータを擬似制御部１３０２のパラメータにコピーする。
【０１１０】
第１最適化手段１３０３は、制御対象モデル１３０４の動作結果に基づいて、擬似制御部１３０２のパラメータを最適化するもので、パーティクル・スウォーム・オプティマイゼーションを適用して、擬似制御部１３０２のパラメータを調整するＰＳＯ適用部１３０３ａが設けられている。
第２最適化手段１３０５は、制御対象１２０６の状態量および制御対象モデル１３０４のモデル状態量に基づいて、制御対象モデル１３０４の構造またはパラメータを最適化するもので、パーティクル・スウォーム・オプティマイゼーションを用いることにより、制御対象１２０６を模擬した制御対象モデル１３０４を構築するＰＳＯ適用部１３０５ａが設けられている。
【０１１１】
規範モデル部１３０１は、指令信号に基づいて、制御対象１２０６に要求される規範応答を生成する。
以下、各種条件下での図１２の構成の動作について説明する。
まず、制御対象モデル１３０４の特性が制御対象１２０６の特性に近い場合、擬似制御部１３０２は、第１最適化手段１３０３によって、制御対象モデル１３０４の各係数Ｋｐ、Ｋｖ、Ｔｉの調整が図られながら、指令信号および制御対象モデル１３０４のモデル状態量に基づいて擬似制御出力を生成し、その擬似制御出力を制御対象モデル１３０４に出力する。
【０１１２】
そして、擬似制御出力が制御対象モデル１３０４に入力されると、制御対象モデル１３０４は、制御対象１２０６の動作を模擬することにより、制御対象１２０６の状態量に相当するモデル状態量を擬似制御部１３０２、第１最適化手段１３０３および第２最適化手段１３０５に出力する。
そして、指令信号がシミュレータ部１２０１に入力されると、規範モデル部１３０１は、この指令信号に対して制御対象１２０６の状態量の規範となる規範応答を第１最適化手段１３０３に出力する。
【０１１３】
そして、第１最適化手段１３０３は、パーティクル・スウォーム・オプティマイゼーションを用いて、擬似制御部１３０２の各係数Ｋｐ、Ｋｖ、Ｔｉを調整し、制御対象モデル１３０４のモデル状態量および規範モデル部１３０１から出力された規範応答の評価結果に基づいて、擬似制御部１３０２の各係数Ｋｐ、Ｋｖ、Ｔｉを最適化する。
【０１１４】
そして、第１最適化手段１３０３により、擬似制御部１３０２の各係数Ｋｐ、Ｋｖ、Ｔｉが最適化されると、擬似制御部１３０２は、この最適化された各係数Ｋｐ、Ｋｖ、Ｔｉに基づいて、実制御部１２０２の各係数Ｋｐ、Ｋｖ、Ｔｉを調整する。
そして、実制御部１２０２の各係数Ｋｐ、Ｋｖ、Ｔｉが調整されると、実制御部１２０２は、指令信号および状態観測部１２０７で観測された駆動部１２０４の状態量に基づいて実制御出力を生成し、この実制御出力を変換部１２０３に出力する。
【０１１５】
そして、変換部１２０３は、実制御出力が実制御部１２０２から入力されると、その実制御出力に対応するように駆動部１２０４に供給される電力を調整する。そして、駆動部１２０４は、変換部１２０４から供給された電力を駆動源として負荷機械１２０６を駆動する。
次に、制御対象モデル１３０４の特性が制御対象１２０５の特性と異なる場合、制御対象モデル１３０４に擬似制御出力を入力しても、制御対象モデル１３０４の特性が制御対象１２０６の特性と異なるため、擬似制御部１３０２の各係数Ｋｐ、Ｋｖ、Ｔｉを最適化することができない。
【０１１６】
このため、第１最適化手段１３０３を用いて、擬似制御部１３０２の各係数Ｋｐ、Ｋｖ、Ｔｉの最適化処理を行う前に、第２最適化手段１３０５を用いることで、制御対象モデル１３０４の特性が制御対象１２０６の特性に近づくように、制御対象モデル１３０４の各係数Ｊｍ、ＪＬ、Ｄ、Ｋを最適化する。
まず、擬似制御部１３０２は、実制御部１２０２の各係数Ｋｐ、Ｋｖ、Ｔｉを擬似制御部１３０２の各係数Ｋｐ、Ｋｖ、Ｔｉにコピーする。
【０１１７】
そして、擬似制御部１３０２は、指令信号および制御対象モデル１３０４のモデル状態量に基づいて擬似制御出力を生成し、この擬似御出力を制御対象モデル１３０４に出力する。
そして、擬似制御出力が制御対象モデル１３０４に入力されると、制御対象モデル１３０４は、制御対象モデル１３０４で生成されたモデル状態量を擬似制御部１３０２、第１最適化手段１３０３および第２最適化手段１３０５に出力する。
【０１１８】
また、実制御部１３０２は、指令信号および状態観測部１２０７で観測された駆動部１２０４の状態量に基づいて実制御出力を生成し、この実制御出力を変換部１２０３に出力して、制御対象１２０６を動作させる。
そして、状態観測部１２０７は、実制御出力が変換部１２０３に出力されると、駆動部１２０４の状態量を、実制御部１２０２および第２最適化手段１３０５に出力する。
【０１１９】
そして、第２最適化手段１３０５は、パーティクル・スウォーム・オプティマイゼーションを用いて、制御対象モデル１３０４の各係数Ｊｍ、ＪＬ、Ｄ、Ｋを調整し、制御対象モデル１３０４のモデル状態量と状態観測部１２０７で観測された駆動部１２０４の状態量とが一致するように、制御対象モデル１３０４の各係数Ｊｍ、ＪＬ、Ｄ、Ｋを最適化する。
【０１２０】
ここで、実制御部１２０２の各係数Ｋｐ、Ｋｖ、Ｔｉが擬似制御部１３０２の各係数Ｋｐ、Ｋｖ、Ｔｉにコピーされているため、擬似制御部１３０２と実制御部１２０２とは同様の特性を示す。
このため、制御対象モデル１３０４の特性と制御対象１２０６の特性とが一致すれば、制御対象モデル１３０４のモデル状態量と制御対象１２０６の状態量も一致するはずである。
【０１２１】
従って、制御対象モデル１３０４のモデル状態量と状態観測部１２０７で観測された駆動部１２０４の状態量とが一致するように、制御対象モデル１３０４の各係数Ｊｍ、ＪＬ、Ｄ、Ｋを最適化することにより、制御対象モデル１３０４の特性と制御対象１２０６の特性とを一致させることができる。
そして、シミュレータ部１２０１は、制御対象モデル１３０４の各係数Ｊｍ、ＪＬ、Ｄ、Ｋを最適化することで、制御対象モデル１３０４の特性が制御対象１２０６の特性に近くなると、第１最適化手段１３０３を用いて、擬似制御部１３０２の各係数Ｋｐ、Ｋｖ、Ｔｉの最適化処理を行う。
【０１２２】
これにより、実際の制御対象１２０６の特性が不明の場合においても、シミュレータ部１２０１に実制御出力を入力することなく、制御対象１２０６の特性に近くなるように、制御対象モデル１３０４の特性を自律的に最適化することが可能となるとともに、制御対象１２０６の最適制御が可能となるように、実擬似制御部１２０２の各係数Ｋｐ、Ｋｖ、Ｔｉを調整することが可能となり、シミュレータ部１２０１の構成を簡略化しつつ、制御対象１２０６を高速かつ安定して制御することが可能となる。
【０１２３】
なお、図１２の第４実施形態において、シミュレータ部１２０１および実制御部１２０２の前段に、図８の第１選択部８０８を付加するようにしてもよい。
これにより、制御対象１２０６を動作させた時と同じ指令信号を用いることで、制御対象１２０６の状態量をメモリなどに保存して、実際の制御対象１２０６とは独立に擬似制御部１３０２の各係数Ｋｐ、Ｋｖ、Ｔｉを最適化することが可能となる。
【０１２４】
また、上述した第４実施形態において、制御対象モデル１３０４を構成するブロックの付加・削除・変更を行なえるようにして、制御対象モデル１３０４の構造が可変となるようにしてもよい。
この場合、第２最適化手段１３０５におけるパーティクル・スウォーム・オプティマイゼーションによる最適化アルゴリズムの状態変数は、パラメータの状態変数に構造を表す状態変数を付け加えるようにする。
【０１２５】
また、上述した第１〜４実施形態において、シミュレータ部１０１、８０１、１００１、１２０１はコンピュータなどで実現してもよく、また、ミュレータ部１０１、８０１、１００１、１２０１の入力される指令信号は、制御対象１０６、８０６、１００６、１２０６を動作させる同じパターンの指令信号ならば、コンピュータなどで実現してもよい。
【０１２６】
また、上述した第１〜４実施形態において、シミュレータ部１０１、８０１、１００１、１２０１は、複数のコンピュータと通信手段で実現してもよく、例えば、ネットワークに接続されたコンピュータ間でデータの送受信を行ないながら、シミュレータ部１０１、８０１、１００１、１２０１の動作を実現するようにしてもよい。
【０１２７】
【発明の効果】
以上説明したように、本発明によれば、パーティクル・スウォーム・オプティマイゼーションを用いて制御対象をシミュレートすることにより、概念が簡単なアルゴリズムを用いて、連続型の変数のままで実制御出力の最適化を図ることが可能となり、制御対象を高速かつ安定して制御することが可能となる。
【図面の簡単な説明】
【図１】本発明の第１実施形態に係る出力制御装置の概略構成を示すブロック図である。
【図２】図１の実制御部１０２の概略構成を示すブロック図である。
【図３】図１のシミュレータ部１０１の概略構成を示すブロック図である。
【図４】図３の第２選択部３０６の概略構成を示すブロック図である。
【図５】図３の制御対象モデル３０４の概略構成を示すブロック図である。
【図６】図３の擬似制御部３０２の概略構成を示すブロック図である。
【図７】図３の規範モデル部３０１の概略構成を示すブロック図である。
【図８】本発明の第２実施形態に係る出力制御装置の概略構成を示すブロック図である。
【図９】図８の第１選択部８０８の概略構成を示すブロック図である。
【図１０】本発明の第３実施形態に係る出力制御装置の概略構成を示すブロック図である。
【図１１】図１０のシミュレータ部１００１の概略構成を示すブロック図である。
【図１２】本発明の第４実施形態に係る出力制御装置の概略構成を示すブロック図である。
【図１３】図１２のシミュレータ部１２０１の概略構成を示すブロック図である。
【図１４】従来の出力制御装置の概略構成を示すブロック図である。
【符号の説明】
１０１、８０１、１００１、１２０１ シミュレータ部
１０２、８０２、１００２、１２０２ 実制御部
１０３，８０３、１００３、１２０３ 変換部
１０４、８０４、１００４、１２０４ 駆動部
１０５、８０５、１００５、１２０５ 負荷機械
１０６、８０６、１００６、１２０６ 制御対象
１０７、８０７、１００７、１２０７ 状態観測部
２０１、２０３、５０１、５０６、６０１、６０３ 減算器
２０２、２０５、５０８、６０２、６０５ 係数器
２０４、５０７、６０４ 微分器
２０６、５０２〜５０５、６０６ 積分器
２０７、５０９、６０７ 加算器
３０１、１１０１、１３０１ 規範モデル部
３０２、１１０２、１３０２ 擬似制御部
３０３、１１０３、１３０３ 第１最適化手段
３０４、１１０４、１３０４ 制御対象モデル
３０５、１３０５ 第２最適化手段
３０６ 第２選択部
３０３ａ、３０５ａ、１１０３ａ、１３０３ａ ＰＳＯ適用部
４０１、９０１ 切り替え手段
７０１ 一次遅れ系
８０８ 第１選択部[0001]
TECHNICAL FIELD OF THE INVENTION
The present invention relates to an output control method, an output control device, and an output control program, and more particularly, to an output control method and an output control program that are suitably applied to a case in which drive control is performed using Particle Swarm Optimization (PSO).
[0002]
[Prior art]
As a conventional method of optimizing an output control device, for example, as disclosed in Patent Documents 1 to 5, there has been a method of optimizing a control gain using a genetic algorithm (GA).
FIG. 14 is a block diagram showing a schematic configuration of a conventional output control device.
[0003]
14, a servo system 1401 having servo motors 1401a to 1401n, a controller 1402 for controlling the servo motors 1401a to 1401n, an approximation model 1403 approximating the control target, and a model for creating an approximation model 1403 are shown in FIG. An identification unit 1404, a control gain adjustment unit 1405 for automatically adjusting the control gain using a genetic algorithm, and when a response within a reference range is obtained, the output signal of the controller 1402 is converted from the approximate model 1403 side to the servo system 1401 side. Switching means 1406, a reference response model 1407 for presetting a reference response of the approximation model 1403, and an evaluation value using the response deviation of the approximation model 1403 of the control object in consideration of the load and the response deviation of the reference response model 1407 as an evaluation value. Calculation 1408 is provided.
[0004]
Here, as for the model identification unit 1404, a suitable model for adjusting the control gain is set in the approximate model 1403 in advance, and only unknown constants are identified by the least square method or the like.
During the adjustment of the control gain, the output signal of the controller 1402 is switched by the switching means 1406 to the approximate model 1403 side. Then, the control gain adjusting device 1405 optimizes the control gain by applying the genetic algorithm to the approximation model 1403 while considering the evaluation value output from the evaluation value calculation unit 1408.
[0005]
When the optimization of the control gain is completed, the output signal of the controller 1402 is switched to the servo system 1401 by the switching means 1406, and the normal operation starts.
As a result, the control gain of the servo system 1401 is optimally adjusted at high speed without falling into a local solution.
[0006]
[Patent Document 1]
JP-A-9-131087
[Patent Document 2]
JP 2000-92881 A
[Patent Document 3]
JP 2001-8777 A
[Patent Document 4]
JP 2001-8478 A
[Patent Document 5]
JP-A-2002-199765
[0007]
[Problems to be solved by the invention]
However, since the target problem of the genetic algorithm is combinatorial optimization, the state variables need to be discrete variables.
For this reason, in a conventional output control device, a plurality of control gains in a controller are coded, and data obtained by connecting bit strings representing the control gains is used as a code string that is a candidate for combining one control gain. Operation is required, and when evaluating each individual, it is necessary to return to the gain value from the bit string, and there is a problem that it takes time to optimize the control gain.
[0008]
Further, in the conventional output control device, continuous values are forcibly optimized by a combinational optimization method called a genetic algorithm. However, the order in which the bit strings representing are influenced by the convergence of optimization has a problem that it is difficult to design the algorithm.
Therefore, an object of the present invention is to provide an output control method, an output control device, and an output control program capable of quickly optimizing continuous variables while simplifying an algorithm.
[0009]
[Means for Solving the Problems]
In order to solve the above-described problem, according to the output control method according to claim 1, a step of simulating a control target based on a pseudo control output generated by applying particle swarm optimization, Adjusting an actual control output to be output to the control target based on a simulation operation result of the control target.
[0010]
As a result, it is possible to optimize the actual control output using the algorithm with a simple concept while keeping the continuous variable, and it is possible to control the controlled object at high speed and stably.
According to the output control method of the second aspect, a step of constructing a controlled object model simulating a controlled object by using particle swarm optimization, and a step of applying and applying particle swarm optimization Operating the controlled object model based on the performed pseudo control output, and adjusting an actual control output output to the controlled object based on an operation result of the controlled object model. And
[0011]
This makes it possible to optimize the actual control output while autonomously optimizing the characteristics of the control target model by repeatedly using a simple algorithm even when the characteristics of the control target are unknown. It is possible to control the object at high speed and stably.
According to the output control method of the third aspect, a step of setting a state variable of an agent by particle swarm optimization to a parameter of a pseudo control unit corresponding to a real control unit that controls a control target; Inputting a command signal to a pseudo control unit in which parameters are set and a reference model that generates a reference response required for the control target; and performing the pseudo control on a model state quantity of the control target model simulating the control target. Inputting the pseudo-control output from the pseudo-control unit to the controlled object model; and controlling a particle state based on a model state quantity of the controlled object model and a reference response of the reference model. Optimizing the parameters of the pseudo control unit by swarm optimization Adjusting the parameters of the real control unit based on the parameters updated by the pseudo control unit, and controlling the control target based on the real control output from the real control unit with the adjusted parameters. Controlling).
[0012]
This makes it possible to adjust the parameters of the actual control unit by simulating the operation of the control target model while using continuous simple variables using an algorithm whose concept is simple. Control.
Further, according to the output control method of the fourth aspect, a step of setting a state variable of an agent by particle swarm optimization to a parameter of a pseudo control unit corresponding to a real control unit that controls a control target; Inputting a command signal to a pseudo control unit in which parameters are set and a reference model that generates a reference response required for the control target; and performing the pseudo control on a model state quantity of the control target model simulating the control target. Inputting the pseudo-control output from the pseudo-control unit to the controlled object model; and controlling a particle state based on a model state quantity of the controlled object model and a reference response of the reference model. Optimizing the parameters of the pseudo control unit by swarm optimization Step, adjusting the parameters of the real control unit based on the parameters updated in the pseudo control unit, and switching the input destination of the command signal to the real control unit side where the parameters are adjusted, Controlling the control target based on an actual control output from an actual control unit in which the parameters are adjusted.
[0013]
Thereby, during the adjustment of the parameters of the actual control unit, it is possible to stop the operation of the control target by preventing the command signal from being input to the actual control unit, and after adjusting the parameters of the actual control unit, The control target can be operated by inputting the command signal to the actual control unit.
Therefore, it is possible to adjust the parameters of the actual control unit separately from the operation of the control target, and to easily adjust the parameters of the actual control unit independently of the operation of the control target using a computer or the like. Becomes possible.
[0014]
Further, according to the output control method of the fifth aspect, a step of setting a state variable of an agent by particle swarm optimization in a parameter of a control target model simulating a control target, and a step of controlling the control target. Inputting a command signal to a control unit, controlling the controlled object and the controlled object model based on an actual control output output from the actual control unit, and controlling a state quantity of the controlled object and the controlled object model Adjusting the parameters of the controlled object model based on the model state quantity of the agent, and changing the parameters of the pseudo control unit corresponding to the real control unit controlling the controlled object to the state variables of the agent by particle swarm optimization. Setting the parameter, Inputting a command signal to a reference model that generates a reference response required for the control unit and the control target; inputting a model state quantity of the control target model to the pseudo control unit; Inputting the pseudo control output from the control target model to the control target model; and, based on a model state quantity of the control target model and a reference response of the reference model, a parameter of the pseudo control unit by particle swarm optimization. Optimizing the, based on the parameters updated in the pseudo control unit, the step of adjusting the parameters of the real control unit, based on the real control output from the real control unit where the parameters are adjusted, Controlling the control target.
[0015]
As a result, even when the characteristics of the controlled object are unknown, the operation of the controlled object model can be simulated with continuous variables while autonomously optimizing the characteristics of the controlled object model by repeatedly using a simple algorithm. It is possible to control the controlled object at high speed and stably.
According to the output control method of the sixth aspect, a step of setting a state variable of an agent by particle swarm optimization in a parameter of a control target model simulating a control target, and a step of controlling the control target. A step of inputting a command signal to a control unit, a step of controlling the control target based on an actual control output output from the actual control unit, and a parameter of a pseudo control unit simulating the actual control unit. Copying parameters of an actual control unit, controlling the control target model based on a pseudo control output output from the pseudo control unit, and controlling a state quantity of the control target and a model state of the control target model. Adjusting a parameter of the controlled object model based on the amount; Setting a state variable of an agent by particle swarm optimization, and inputting a command signal to a pseudo control unit in which the parameter is set and a reference model for generating a reference response required for the controlled object. A step of inputting a model state quantity of the control target model to the pseudo control unit; a step of inputting a pseudo control output output from the pseudo control unit to the control target model; and a model of the control target model. Optimizing parameters of the pseudo control unit by particle swarm optimization based on a state quantity and a reference response of the reference model; and based on the parameters updated by the pseudo control unit, the real control unit. Adjusting the parameters of the On the basis of the actual control output from the actual control unit data is adjusted, characterized in that it comprises a step of controlling the controlled object.
[0016]
As a result, even when the characteristics of the control target are unknown, it is possible to bring the characteristics of the control target model closer to the characteristics of the control target without inputting the actual control output output from the actual control unit to the control target model. Thus, it is possible to control the control target at high speed and stably while simplifying the configuration.
According to the output control method of the seventh aspect, the controlled object is an electric motor machine system.
[0017]
According to the output control device of the eighth aspect, the state of the control target is controlled based on a state observation means for observing at least one state quantity of the control object, and a command signal and the state quantity observed by the state observation means. , And simulator means for adjusting the characteristics of the real control means based on a simulated operation result of the control target to which particle swarm optimization is applied.
[0018]
This makes it possible to optimize the characteristics of the actual control means by using a simple algorithm applied to the continuous type variables, and to control the controlled object at high speed and stably.
According to the output control apparatus of the ninth aspect, the simulator means has a control target model simulating the control target and a structure similar to that of the real control means. A control model that generates a reference response required for the control target based on the command signal, and optimizes the parameters of the pseudo control means based on an operation result of the control target model. And a first optimizing means for converting the data into a first data.
[0019]
With this, it is possible to simulate the operation of the controlled object using a simple algorithm applied to the continuous type variable and adjust the parameters of the pseudo control means so that the controlled object can be optimally controlled. Thus, the control target can be controlled at high speed and stably.
Further, according to the output control device of the tenth aspect, the first optimizing means includes: a parameter setting means for setting a state variable of an agent by particle swarm optimization to a parameter of the pseudo control means; Parameter updating means for updating parameters of the pseudo control means by particle swarm optimization based on a model state quantity of a target model and a reference response of the reference model.
[0020]
Thus, by applying the particle swarm optimization, it is possible to easily change the parameters of the pseudo control means so as to optimize the characteristics of the pseudo control means while evaluating the characteristics of the pseudo control means. This makes it possible to control the control target at high speed and stably.
Further, according to the output control device of the eleventh aspect, the output control device further includes a first selection unit that switches the input of the command signal to the simulator unit or the actual control unit.
[0021]
Thereby, during the adjustment of the parameters of the actual control means, the command signal is inputted to the simulator means and not inputted to the actual control means so that the operation of the control object is simulated while stopping the operation of the control object. It is possible to do.
Therefore, the adjustment of the parameters of the actual control means can be performed separately from the operation of the control target, and the adjustment of the parameters of the actual control means can be easily performed using a computer or the like independently of the operation of the control target. Becomes possible.
[0022]
According to the output control apparatus of the twelfth aspect, the second optimizing means for optimizing the structure or parameters of the control target model based on the state quantity of the control target and the model state quantity of the control target model. Is further provided.
As a result, even when the characteristics of the control target are unknown, it is possible to construct a control target model so as to approach the behavior of the control target while simulating the control target by repeatedly using a simple algorithm. In addition, the parameters of the pseudo control means can be adjusted so that the control target can be optimally controlled, and the control target can be controlled quickly and stably.
[0023]
According to the output control device of the thirteenth aspect, the apparatus further includes a second selection unit that switches an input of the control target model to a pseudo control output from the pseudo control unit or a real control output from the real control unit. It is characterized by the following.
Thus, even if the characteristics of the controlled object are unknown, after the controlled object model is constructed so as to approach the behavior of the controlled object, optimal control of the controlled object can be performed using the controlled object model. , The parameters of the pseudo control means can be adjusted.
[0024]
Further, according to the output control program according to claim 14, a step of simulating the control output by applying the particle swarm optimization, and controlling the control output based on the simulated control output. And a step of adjusting a parameter of an actual control unit that controls the control target based on a simulation result of the control target.
[0025]
As a result, it is possible to optimize the parameters of the actual control unit using a simple algorithm applied to the continuous type variables, and to control the control target at high speed and stably.
According to the output control program of the present invention, a step of constructing a controlled object model simulating a controlled object by using particle swarm optimization, and controlling by applying particle swarm optimization A step of simulating an output, a step of operating the control target model based on the period pseudo control output, and an actual control unit that controls the control target based on an operation result of the control target model. Adjusting the parameters.
[0026]
As a result, even when the characteristics of the control target are unknown, it is possible to construct a control target model so as to approach the behavior of the control target while simulating the control target by repeatedly using a simple algorithm. In addition, the parameters of the pseudo control means can be adjusted so that the control target can be optimally controlled, and the control target can be controlled quickly and stably.
[0027]
BEST MODE FOR CARRYING OUT THE INVENTION
Hereinafter, an output control device according to an embodiment of the present invention will be described with reference to the drawings.
FIG. 1 is a block diagram illustrating a schematic configuration of an output control device according to an embodiment of the present invention.
[0028]
In FIG. 1, the output control device includes a simulator unit 101, an actual control unit 102, and a state observation unit 107. A control target 106 includes, for example, a driving unit 104 for driving a load machine 105 such as an electric motor. A power conversion unit 103 such as an inverter that supplies power to the drive unit 104; In the following description, the control target 106 will be referred to as an electric motor machine system.
[0029]
Here, the simulator unit 101 adjusts the characteristics of the real control unit 102 based on the simulated operation result of the control target 106 to which the particle swarm optimization is applied, and when the characteristics of the control target 106 are unknown, A control target model that simulates the characteristics of the control target 106 is constructed by applying swarm optimization.
[0030]
The actual control unit 102 controls the control target 106 based on the command signal and the state quantity observed by the state observation unit 107, and outputs, for example, a torque command to the conversion unit 103 as an actual control output.
The state observing unit 107 observes at least one position of the driving unit 104 as a state quantity of the control target 106.
[0031]
The conversion unit 103 adjusts the power supplied to the driving unit 104 such that the torque generated by the driving unit 104 corresponds to the torque command output from the actual control unit 102.
The drive unit 104 includes, for example, an electric motor and a transmission mechanism, and drives the load machine 105.
[0032]
Here, particle swarm optimization is one of the modern heuristic (MH) methods developed through simulation of a simplified social model, and the movement of a swarm of birds is described in a two-dimensional space of continuous variables. Developed through expressing.
In addition, regarding the particle swarm optimization, see J.M. Kennedy and R.S. "Particle Swarm Optimization" by Eberhart (Proc. Of IEEE International Conference on Neural Networks, Vol. IV, pp. 1942-1948, Perth, Australia, 1995. Examination of Voltage Reactive Power Control Method Using Swarm Optimization ”(Transactions of the Institute of Electrical Engineers of Japan, Vol. 119, No. 12, December 1999), JP-A-2000-11603,“ Voltage Reactive Power Control Method ”, JP-A-2002-51464,“ Distribution System And the like.
[0033]
In the particle swarm optimization, the position (state quantity) of each agent (in the particle swarm optimization, each group is called an agent) is represented by x and y coordinates, and the speed of each agent is represented by vx (Speed in the x direction) and vy (speed in the y direction).
Then, the position of each agent at the next time can be updated from the information on the position and speed of each agent.
[0034]
Assuming that the entire flock of birds takes an action to optimize some objective function based on this concept, the following optimization can be considered.
That is, each agent memorizes the best value pbest of the objective function that has been evaluated so far in each search, and the x and y coordinates indicating the position (state quantity). Further, each agent shares the highest evaluation among the group of the best values pbest held by each agent, that is, the best value gbest of the objective function of the group so far.
[0035]
Each agent has a current position (x, y coordinates) and a current speed (vx, vy).
Then, each agent moves the direction to the position where the best value pbest, gbest exists according to the distance between the current position (x, y coordinate) and the velocity (vx, vy) and the best value pbest, gbest. Try to change.
[0036]
The action to be changed is expressed by speed. Then, the speed of each agent can be modified as in equation (1) using the current speed and the best values pbest and gbest.
Vi k + 1= W × Vi k+ C1× rand () × (pbesti−si k)
+ C2× rand () × (gbest-si k…… (1)
Where Vi kIs the speed of agent i, rand () is a uniform random number from 0 to 1, si kIs the k-th search position (search point) of agent i, pbestiIs the best value pbest of the agent i, w is the weight function for the agent speed, c1, C2Is a weight coefficient for each term.
[0037]
By using the equation (1), the velocity V that probabilistically approaches the best value pbest of each agent and the best value gbest of the group so far.i k + 1, Whereby the current position (search point) s of each agent is obtained.i kCan be modified as in equation (2).
si k + 1= Si k+ Vi k + 1                                ... (2)
Here, in the particle swarm optimization, similarly to the genetic algorithm, in a multipoint search having a plurality of search points, each search point is estimated using the best value pbest of each search point and the best value gbest of the group. By globally changing, a global optimum solution (best solution) can be obtained.
[0038]
Further, in the particle swarm optimization, a local search that tries to maintain the speed up to now (the first term on the right side of the equation (1)) and approaches these using the best values pbest and gbest are used. The search (the second and third terms on the right side of equation (1)) can be performed in a well-balanced manner.
Furthermore, in particle swarm optimization, it is necessary to evaluate the objective function at each step, but the number of evaluations can be limited to the number of agents, regardless of the scale of the problem, making it easy to apply to large-scale problems. be able to.
[0039]
FIG. 2 is a block diagram illustrating a schematic configuration of the actual control unit 102 in FIG.
2, the real control unit 102 includes subtractors 201 and 203, coefficient units 202 and 205, a differentiator 204, an integrator 206, and an adder 207.
Then, a position command as a command signal and a position of the drive unit 104 as a state quantity are input, and after performing proportional control (P control) and proportional-integral control (PI control), a torque command is output as an actual control output. Output to conversion section 103.
[0040]
Here, the coefficients Kp, Kv, and Ti of the real control unit 102 are adjusted by the pseudo control unit 302.
That is, the command signal is input to the subtractor 201, and the state quantity of the driving unit 104 observed by the state observation unit 107 is input to the subtractor 201 and the differentiator 204.
[0041]
Then, the state quantity is subtracted from the command signal by the subtractor 201, and the subtraction result is output to the coefficient unit 202. Then, the coefficient unit 202 multiplies the subtraction result output from the subtractor 201 by the coefficient Kp, and outputs the multiplication result to the subtractor 203.
On the other hand, the state quantity input to the differentiator 204 is output to the subtractor 203 after being differentiated by the differentiator 204.
[0042]
Then, after the subtraction unit 203 subtracts the multiplication result output from the coefficient unit 202 and the differentiation result output from the differentiator 204, the subtraction result is output to the coefficient unit 205. Then, in the coefficient unit 205, the subtraction result output from the subtractor 203 is multiplied by the coefficient Kv, and the multiplication result is output to the integrator 206 and the adder 207.
[0043]
Then, the integrator 206 integrates the multiplication result output from the coefficient unit 205, divides the result by the coefficient Ti, and outputs the output value from the integrator 206 to the adder 207.
Then, the adder 207 adds the multiplication result output from the coefficient unit 205 and the output value from the integrator 206, and outputs the result as an actual control output.
[0044]
FIG. 3 is a block diagram showing a schematic configuration of the simulator section 101 of FIG.
3, the simulator unit 101 includes a reference model unit 301, a pseudo control unit 302, a first optimization unit 303, a control target model 304, a second optimization unit 305, and a second selection unit 306.
Here, the second selection unit 306 switches the input of the control target model 304 to the pseudo control output from the pseudo control unit 302 or the real control output from the real control unit 102.
[0045]
The control target model 304 has the same structure as the control target 106 in FIG. 1 and simulates the control target 106.
The simulation control unit 302 has a structure similar to that of the real control unit 102 in FIG. 1, and outputs a simulation control input to the control target model 304.
The first optimization means 303 optimizes the parameters of the pseudo control unit 302 based on the operation result of the control target model 304, and applies the particle swarm optimization to change the parameters of the pseudo control unit 302. A PSO application unit 303a for adjustment is provided.
[0046]
The second optimization means 305 optimizes the structure or parameters of the control target model 304 based on the state quantity of the control target 106 and the model state quantity (also referred to as a simulated response) of the control target model 304. A PSO application unit 305 a for constructing a control target model 304 simulating the control target 106 by using swarm optimization is provided.
[0047]
The reference model unit 301 generates a reference response required for the control target 106 based on the command signal.
FIG. 4 is a block diagram illustrating a schematic configuration of the second selection unit 306 in FIG.
In FIG. 4, the second selection unit 306 is provided with a switching unit 401 that switches an input of the control target model 304 to a pseudo control output from the pseudo control unit 302 or a real control output from the real control unit 102.
[0048]
Then, when the characteristics of the pseudo control unit 302 are optimized by the first optimization unit 303, the second selection unit 306 inputs the pseudo control output from the pseudo control unit 302 to the control target model 304, and When the optimization means 305 optimizes the characteristics of the control target model 3042, the real control output from the real control unit 102 is input to the control target model 304.
[0049]
Thereby, even if the characteristics of the control target model 304 are unknown, by switching the input of the control target model 304, the characteristics of the control target model 304 are changed so that the characteristics of the control target model 304 approach the characteristics of the control target 106. It is possible to optimize.
FIG. 5 is a block diagram showing a schematic configuration of the control target model 304 of FIG.
[0050]
In FIG. 5, the control target model 304 is provided with subtractors 501 and 506, a coefficient unit 508, a differentiator 507, integrators 502 to 505, and an adder 509, and constitutes a two inertial system model.
Then, the pseudo control output from the pseudo control unit 302 or the real control output from the real control unit 102 is input, and the pseudo control unit 302, the first optimization unit 303, and the second Output to the optimization means 305.
[0051]
Here, the coefficients Jm, D, K, and JL of the control target model 304 are adjusted by the second optimization unit 305.
That is, the pseudo control output from the pseudo control unit 302 or the real control output from the real control unit 102 is input to the subtractor 501.
Then, the subtractor 501 subtracts the pseudo control output or the actual control output from the addition result output from the adder 509, and outputs the subtraction result to the integrator 502. Then, the integrator 502 integrates the subtraction result output from the subtractor 501, divides the result by the coefficient Jm, and outputs the output value from the integrator 502 to the integrator 503.
[0052]
Then, the output value from the integrator 502 is integrated by the integrator 503 and output as a model state quantity of the control target model 304, and is output to the subtractor 506.
On the other hand, the addition result output from adder 509 is also output to integrator 504. Then, the integrator 504 integrates the addition result output from the adder 509, divides the result by the coefficient JL, and outputs the output value from the integrator 504 to the integrator 505. Then, the output value from the integrator 504 is integrated by the integrator 505 and output to the subtractor 506.
[0053]
Then, the output value from the integrator 503 and the output value from the integrator 505 are subtracted by the subtractor 506, and the subtraction result is output to the differentiator 507 and the coefficient unit 508.
Then, the differentiator 507 differentiates the subtraction result output from the subtractor 506, multiplies the result by a coefficient D, outputs the result to the adder 509, and outputs the result to the coefficient unit 508 from the subtractor 506. The result of the subtraction is multiplied by a coefficient D and output to the adder 509.
[0054]
Then, the adder 509 adds the output value from the differentiator 507 and the output value from the coefficient unit 508, and outputs the addition result to the subtractor 501 and the integrator 504.
FIG. 6 is a block diagram showing a schematic configuration of the pseudo control unit 302 in FIG.
6, the pseudo control unit 302 includes subtractors 601 and 603, coefficient units 602 and 605, a differentiator 604, an integrator 606, and an adder 607 corresponding to the real control unit 102.
[0055]
Then, based on the coefficients Kp, Kv, and Ti of the pseudo control unit 302 adjusted by the first optimization unit 303, the coefficients Kp, Kv, and Ti of the actual control unit 102 are adjusted.
That is, the command signal is input to the subtractor 601, and the model state quantity of the control target model 304 is input to the subtractor 601 and the differentiator 604.
[0056]
Then, the state quantity is subtracted from the command signal by the subtractor 601, and the subtraction result is output to the coefficient unit 602. Then, the coefficient unit 602 multiplies the subtraction result output from the subtractor 601 by the coefficient Kp, and outputs the multiplication result to the subtractor 603.
On the other hand, the state quantity input to the differentiator 604 is differentiated by the differentiator 604 and then output to the subtractor 603.
[0057]
Then, after the subtracter 603 subtracts the multiplication result output from the coefficient unit 602 and the differentiation result output from the differentiator 604, the subtraction result is output to the coefficient unit 605. Then, the coefficient unit 605 multiplies the subtraction result output from the subtractor 603 by a coefficient Kv, and outputs the multiplication result to the integrator 606 and the adder 607.
[0058]
Then, the integrator 606 integrates the multiplication result output from the coefficient unit 605, divides the result by the coefficient Ti, and outputs the output value from the integrator 606 to the adder 607.
Then, the adder 607 adds the multiplication result output from the coefficient unit 605 and the output value from the integrator 606, and outputs the result as a pseudo control output.
[0059]
FIG. 7 is a block diagram showing a schematic configuration of the reference model unit 301 in FIG.
In FIG. 7, the reference model unit 301 is provided with a first-order lag system 701, and the coefficient Tr of the first-order lag system 701 is externally set. Then, a command signal is input to the first-order lag system 701, and in response to the command signal, a signal serving as a reference for the state quantity of the control target 106 is output.
[0060]
Hereinafter, the operation of the configuration of FIG. 1 under various conditions will be described.
First, when the characteristic of the control target model 304 is close to the characteristic of the control target 106, the second selecting unit 306 switches the input of the control target model 304 to the pseudo control output side from the pseudo control unit 302 by the switching unit 401. Always select the pseudo control output.
When the command signal and the model state quantity of the control target model 304 are input to the pseudo control unit 302, the first optimization unit 303 adjusts the coefficients Kp, Kv, and Ti of the pseudo control unit 302. While outputting the pseudo control output to the second selection unit 306.
[0061]
Then, when the pseudo control output is input from the pseudo control unit 302, the second selection unit 306 outputs the pseudo control output to the control target model 304.
When the pseudo control output is input to the control target model 304, the control target model 304 simulates the operation of the control target 106, and outputs a model state quantity corresponding to the state quantity of the control target 106 to the pseudo control unit 302. , To the first optimization means 303 and the second optimization means 305.
[0062]
Then, when the command signal is input to the simulator unit 101, the reference model unit 301 outputs, to the first optimization unit 303, a reference response serving as a reference for the state quantity of the control target 106 in response to the command signal.
Then, the first optimization unit 303 adjusts each coefficient Kp, Kv, Ti of the pseudo control unit 302 using the particle swarm optimization, and adjusts the model state quantity of the controlled object model 304 and the reference model unit 301. Based on the output evaluation result of the reference response, the coefficients Kp, Kv, and Ti of the pseudo control unit 302 are optimized.
[0063]
When the first optimization unit 303 optimizes the coefficients Kp, Kv, and Ti of the pseudo control unit 302, the pseudo control unit 302 performs the optimization based on the optimized coefficients Kp, Kv, and Ti. , The coefficients Kp, Kv, and Ti of the actual control unit 102 are adjusted. When the coefficients Kp, Kv, and Ti of the actual control unit 102 are adjusted, the actual control unit 102 outputs the actual control output based on the command signal and the state quantity of the driving unit 104 observed by the state observation unit 107. And outputs the actual control output to the converter 103.
[0064]
Then, when the actual control output is input from the actual control unit 102, the conversion unit 103 adjusts the power supplied to the driving unit 104 so as to correspond to the actual control output. Then, the driving unit 104 drives the load machine 106 using the electric power supplied from the conversion unit 103 as a driving source.
Hereinafter, a specific procedure in the case where particle swarm optimization is applied to the first optimization unit 303 will be described.
[0065]
First, the state variables of the agent of the particle swarm optimization are coefficients Kp, Kv, and Ti of the pseudo control unit 302.
Next, as the initial value of the agent, the position s of the agentiAnd speed viSet. The number i of agents is set in advance.
Next, an optimal solution is searched by repeating the calculations of the equations (1) and (2). Note that the number of repetitions k is set in advance. When searching for the optimal solution, the evaluation of each agent and the update of the best value pbest of each search point and the best value gbest of the group are performed for each step.
[0066]
Here, each agent can be evaluated in the following procedure.
First, the state variable s of the agentiIs set to the coefficients Kp, Kv, and Ti of the pseudo control unit 302.
Next, the model state quantity data of the control target model 304 and the reference response data output from the reference model unit 301 are calculated for N points with respect to the command signal for a certain time.
Next, the model state quantity of the control target model 304 and the reference response output from the reference model unit 301 are evaluated by the equation (3).
[0067]
(Equation 1)
Figure 2004164426
[0068]
Here, Xr (n) is reference response data output from the reference model unit 301, Xe (n) is model state quantity data of the control target model 304, W (n) is a weight function for a data point, and F is It is an evaluation result.
Then, the best value pbest of each search point and the best value gbest of the group are determined based on the evaluation results F of all the agents.
[0069]
Then, when the designated number of times is completed, the state quantity of the best value gbest of the group, which is the coefficient Kp, Kv, or Ti of the pseudo control unit 302, is stored as the optimal coefficient.
Accordingly, the coefficients Kp and Kv of the pseudo control unit 302 are controlled so that the operation of the controlled object 106 can be optimally controlled while simulating the operation of the controlled object 106 using a simple algorithm applied to the continuous type variable. , Ti can be adjusted, and the control target 106 can be controlled at high speed and stably.
[0070]
The evaluation expression for evaluating the agent by the particle swarm optimization is not limited to the expression (3). For example, an overshoot amount or settling time of response data is cut out, or another evaluation expression is used. For example, the evaluation formula can be freely set according to the purpose.
The configuration of the simulator unit 101 can be realized using a computer, and the command signal may be stored in a memory of the computer, and the optimization process may be performed offline.
[0071]
Next, when the characteristics of the controlled object model 304 are different from the characteristics of the controlled object 106, even if the pseudo control output is input to the controlled object model 304, the characteristics of the controlled object model 304 are different from the characteristics of the controlled object 106. The coefficients Kp, Kv, and Ti of the control unit 302 cannot be optimized.
Therefore, before performing the optimization processing of the coefficients Kp, Kv, and Ti of the pseudo control unit 302 by using the first optimization unit 303, the characteristic of the control target model 304 is obtained by using the second optimization unit 305. Optimize the coefficients Jm, JL, D, and K of the controlled object model 304 so that the values approach the characteristics of the controlled object 106.
[0072]
First, the second selection unit 306 switches the input of the control target model 304 to the real control output side from the real control unit 102 by the switching unit 401, and selects the real control output.
Then, the actual control unit 302 generates an actual control output based on the command signal and the state quantity of the driving unit 104 observed by the state observation unit 107, outputs the actual control output to the conversion unit 104, and outputs At the same time, the actual control output is also output to the second selector 306.
[0073]
Then, when the actual control output is output to the conversion unit 103, the state observation unit 107 outputs the state quantity of the driving unit 104 to the actual control unit 302 and the second optimization unit 305.
Further, when the real control output is input from the real control unit 302, the second selection unit 306 outputs the real control output to the control target model 304.
[0074]
Then, when the actual control output is input to the control target model 304, the control target model 304 uses the pseudo control unit 302, the first optimization unit 303, and the second optimization Output to the means 305.
Then, the second optimization means 305 adjusts each of the coefficients Jm, JL, D, and K of the control target model 304 using particle swarm optimization, and obtains the model state quantity of the control target model 304 and the state observation unit. The coefficients Jm, JL, D, and K of the control target model 304 are optimized so that the state quantities of the driving unit 104 observed at 107 match.
[0075]
When optimizing the coefficients Jm, JL, D, and K of the control target model 304, the operation of the first optimization means 303 can be stopped because the pseudo control output is not used.
Hereinafter, a specific procedure in the case where particle swarm optimization is applied to the second optimization unit 305 will be described.
[0076]
First, the state variables of the agent of the particle swarm optimization are coefficients Jm, JL, D, and K of the control target model 304.
Next, as the initial value of the agent, the position s of the agentiAnd speed viSet. The number i of agents is set in advance.
Next, an optimal solution is searched by repeating the calculations of the equations (1) and (2). Note that the number of repetitions k is set in advance. When searching for the optimal solution, the evaluation of each agent and the update of the best value pbest of each search point and the best value gbest of the group are performed for each step.
[0077]
Here, each agent can be evaluated in the following procedure.
First, the state variable s of the agentiIs set to each coefficient Jm, JL, D, and K of the control target model 304.
Next, the model state quantity data of the control target model 304 and the state quantity data of the drive unit 104 observed by the state observation unit 107 are calculated for the actual control output in a certain range for N points.
Next, the model state quantity of the control target model 304 and the state quantity of the drive unit 104 observed by the state observation unit 107 are evaluated by the equation (4).
[0078]
(Equation 2)
Figure 2004164426
[0079]
Here, Xm (n) is state quantity data of the driving unit 104 observed by the state observation unit 107, Xe (n) is model state quantity data of the control target model 304, and W (n) is a weight for a data point. The function F is an evaluation result.
Then, the best value pbest of each search point and the best value gbest of the group are determined based on the evaluation results F of all the agents.
[0080]
Then, when the designated number of times has been completed, the state quantity of the best value gbest of the group is set as each of the coefficients Jm, JL, D, and K of the control target model 304 and stored as the optimum coefficient.
Accordingly, even when the characteristics of the control target 106 are unknown, the coefficients Jm, Jm of the control target model 304 are set so as to approximate the behavior of the control target 106 while simulating the control target 106 by using a simple algorithm. JL, D, and K can be adjusted.
[0081]
The configuration of the simulator unit 101 can be realized using a computer, and the actual control output output from the actual control unit 102 and the state quantity of the driving unit 104 observed by the state observation unit 107 are stored in the memory of the computer. Alternatively, the optimization process may be performed offline.
Then, by optimizing the coefficients Jm, JL, D, and K of the control target model 304, when the characteristics of the control target model 304 become close to the characteristics of the control target 106, the second selecting unit 306 Then, the input of the control target model 304 is switched to the pseudo control output side from the pseudo control unit 302, and the pseudo control output is selected.
[0082]
Then, when the pseudo control output is selected, the simulator unit 101 uses the first optimizing unit 303 to perform optimization processing of the coefficients Kp, Kv, and Ti of the pseudo control unit 302.
When the coefficients Kp, Kv, and Ti of the pseudo control unit 302 are optimized, the coefficients Kp, Kv, and Ti of the real control unit 102 are determined based on the coefficients Kp, Kv, and Ti of the pseudo control unit 302. To adjust.
[0083]
As described above, if the arbitrary function is given to the reference model unit 301 by repeatedly applying the particle swarm optimization in the first optimization unit 303 and the second optimization unit 305, the real control unit 102 The coefficients Kp, Kv, and Ti can be adjusted autonomously, and optimal control of the control target 106 can be easily performed.
[0084]
Further, even when the characteristics of the actual control target 106 are unknown, it is possible to autonomously optimize the characteristics of the control target model 304 while the actual control target 106 is operating.
FIG. 8 is a block diagram illustrating a schematic configuration of the output control device according to the second embodiment of the present invention. In the second embodiment, the first selector 808 is added to the configuration of FIG. 1, and the configuration of other blocks is the same as the configuration of FIG.
[0085]
That is, in FIG. 8, the output control device is provided with a first selection unit 808 in addition to the simulator unit 801, the actual control unit 802, and the state observation unit 807, and the control target 806 includes, for example, a conversion unit 803, a driving unit A section 804 and a load machine 805 are provided.
Here, the simulator unit 801 adjusts the characteristics of the real control unit 802 based on the simulated operation result of the control target 806 to which particle swarm optimization has been applied.
[0086]
The actual control unit 802 controls the control target 806 based on the command signal and the state quantity observed by the state observation unit 807, and outputs, for example, a torque command to the conversion unit 803 as an actual control output.
The state observation unit 807 observes at least one position of the driving unit 804 as a state quantity of the control target 806.
[0087]
The conversion unit 803 adjusts the power supplied to the driving unit 804 so that the torque generated by the driving unit 804 corresponds to the torque command output from the actual control unit 802.
The drive unit 804 includes, for example, an electric motor and a transmission mechanism, and drives the load machine 805.
[0088]
The first selection unit 808 switches the output of the command signal to the simulator unit 801 side or the actual control unit 802 side.
FIG. 9 is a block diagram illustrating a schematic configuration of the first selection unit 808 in FIG.
In FIG. 9, the first selection unit 808 is provided with a switching unit 901 for switching the output of the command signal to the simulator unit 801 or the actual control unit 802.
[0089]
When optimizing each of the coefficients Kp, Kv, and Ti of the pseudo control unit 302 by using the first optimization unit 303, the first selection unit 808 switches the output of the command signal to the simulator unit 801 side and performs control. When operating the target 106, the output of the command signal is switched to the actual control unit 802 side.
Thus, when the first optimization unit 303 optimizes the coefficients Kp, Kv, and Ti of the pseudo control unit 302, the command signal is not input to the real control unit 802, and the control target 106 operates. Can not be.
[0090]
Therefore, the simulator unit 801 is realized by a computer or the like, and the state quantity of the control target 106 is stored in a memory or the like, and the coefficients Kp, Kv, and Ti of the pseudo control unit 302 are optimized independently of the actual control target 106. Can be realized.
In the first and second embodiments described above, the structure of the control target model 304 may be made variable by adding, deleting, and changing blocks constituting the control target model 304.
[0091]
In this case, the state variables of the optimization algorithm by the particle swarm optimization in the second optimization means 305 are such that the state variables representing the structure of the controlled object model 304 are added to the state variables of the parameters of the controlled object model 304. I do.
FIG. 10 is a block diagram illustrating a schematic configuration of the output control device according to the third embodiment of the present invention. In the third embodiment, the second optimizing unit 305 and the second selecting unit 306 are removed from the simulator unit 101 shown in FIG. 3, and the configuration of the other blocks is the same as that shown in FIGS. The configuration is the same.
[0092]
That is, in FIG. 10, the output control device includes a simulator unit 1001, an actual control unit 1002, and a state observation unit 1007, and the control target 1006 includes, for example, a conversion unit 1003, a driving unit 1004, and a load machine 1005. Have been.
Here, the simulator unit 1001 adjusts the characteristics of the real control unit 1002 based on the simulated operation result of the control target 1006 to which the particle swarm optimization is applied.
[0093]
The actual control unit 1002 controls the control target 1006 based on the command signal and the state quantity observed by the state observation unit 1007, and outputs, for example, a torque command to the conversion unit 1003 as an actual control output.
The state observation unit 1007 observes at least one position of the driving unit 1004 as a state quantity of the control target 1006.
[0094]
The conversion unit 1003 adjusts the power supplied to the driving unit 1004 so that the torque generated by the driving unit 1004 corresponds to the torque command output from the actual control unit 1002.
The drive unit 1004 includes, for example, an electric motor and a transmission mechanism, and drives the load machine 1005.
[0095]
FIG. 11 is a block diagram showing a schematic configuration of the simulator section 1001 in FIG.
In FIG. 11, the simulator unit 1001 includes a reference model unit 1101, a pseudo control unit 1102, a first optimization unit 1103, and a control target model 1104.
[0096]
Here, the control target model 1104 has the same structure as the control target 1006 in FIG. 10 and simulates the control target 1006.
The simulation control unit 1102 has the same structure as the real control unit 1002 in FIG. 10 and outputs a simulation control input to the control target model 1102.
The first optimization unit 1103 optimizes the parameters of the pseudo control unit 1102 based on the operation result of the control target model 1104, and applies the particle swarm optimization to change the parameters of the pseudo control unit 1102. A PSO application unit 1103a for adjustment is provided.
[0097]
The reference model unit 1101 generates a reference response required for the control target 1106 based on the command signal.
Hereinafter, the operation of the configuration of FIG. 10 will be described.
First, when the characteristic of the control target model 1104 is close to the characteristic of the control target 1006, the pseudo control unit 1102 adjusts the coefficients Kp, Kv, and Ti of the pseudo control unit 1102 by the first optimization unit 1103. A pseudo control output is generated based on the command signal and the model state quantity of the control target model 1104, and the pseudo control output is output to the control target model 1104.
[0098]
Then, when the pseudo control output is input to the control target model 1104, the control target model 1104 simulates the operation of the control target 1006, and thereby changes the model state quantity corresponding to the state quantity of the control target 1006 to the pseudo control unit 1102. And output to the first optimizing means 1103.
Then, when the command signal is input to the simulator unit 1101, the reference model unit 1101 outputs, to the first optimization unit 1103, a reference response serving as a reference for the state quantity of the control target 1006 in response to the command signal.
[0099]
Then, the first optimization unit 1103 adjusts the coefficients Kp, Kv, and Ti of the pseudo control unit 1102 using the particle swarm optimization, and obtains the model state quantity of the controlled object model 1104 and the reference model unit 1101 Based on the output evaluation result of the reference response, the coefficients Kp, Kv, and Ti of the pseudo control unit 1102 are optimized.
[0100]
When the coefficients Kp, Kv, and Ti of the pseudo control unit 1102 are optimized by the first optimizing unit 1103, the pseudo control unit 1102 performs the optimization based on the optimized coefficients Kp, Kv, and Ti. , Adjust the coefficients Kp, Kv, and Ti of the actual control unit 1002.
When the coefficients Kp, Kv, and Ti of the actual control unit 1002 are adjusted, the actual control unit 1002 outputs the actual control output based on the command signal and the state quantity of the driving unit 1004 observed by the state observation unit 1007. And outputs the actual control output to the conversion unit 1003.
[0101]
Then, when the actual control output is input from the actual control unit 1002, the conversion unit 1003 adjusts the power supplied to the driving unit 1004 so as to correspond to the actual control output. Then, the driving unit 1004 drives the load machine 1006 using the electric power supplied from the conversion unit 1004 as a driving source.
On the other hand, when the characteristics of the control target model 1104 are different from the characteristics of the control target 1006, the characteristics of the control target model 1104 are made closer to the characteristics of the control target 1006 by using a configuration other than the simulator unit 1001.
[0102]
Then, when the characteristics of the control target model 1104 become close to the characteristics of the control target 1006, the simulator unit 1001 uses the first optimization unit 1103 to perform the optimization processing of the coefficients Kp, Kv, and Ti of the pseudo control unit 1102. Do.
As a result, it is not necessary to provide a configuration for adjusting the coefficients Jm, JL, D, and K of the control target model 304 in the simulator unit 1001, and while simplifying the configuration of the simulator unit 1001, the respective components of the real control unit 1002 can be simplified. It is possible to optimize Kp, Kv, and Ti.
[0103]
In the third embodiment shown in FIG. 10, a first selection unit 808 shown in FIG. 8 may be added to a stage preceding the simulator unit 1001 and the actual control unit 1002.
This makes it possible to optimize the coefficients Kp, Kv, and Ti of the pseudo control unit 1102 independently of the actual control target 1006, while simplifying the configuration of the simulator unit 1001.
[0104]
FIG. 12 is a block diagram illustrating a schematic configuration of the output control device according to the fourth embodiment of the present invention. In the fourth embodiment, the second selection unit 306 is removed from the simulator unit 101 in FIG. 3 and the coefficient information is transmitted from the real control unit 1202 in FIG. 12 to the pseudo control unit 1302 in FIG. The configuration of the other blocks is substantially the same as the configuration of FIGS. 1 and 3.
[0105]
In FIG. 12, the output control device includes a simulator unit 1201, an actual control unit 1202, and a state observation unit 1207, and the control target 1206 includes, for example, a conversion unit 1203, a driving unit 1204, and a load machine 1205. I have.
Here, the simulator unit 1201 adjusts the characteristics of the actual control unit 1202 based on the simulated operation result of the control target 1206 to which the particle swarm optimization is applied, and when the characteristics of the control target 1206 are unknown, By applying swarm optimization, a control target model that simulates the characteristics of the control target 1206 is constructed.
[0106]
The actual control unit 1202 controls the control target 1206 based on the command signal and the state quantity observed by the state observation unit 1207, and outputs, for example, a torque command to the conversion unit 1203 as an actual control output.
The state observing unit 1207 observes at least one position of the driving unit 1204 as a state quantity of the control target 1206.
[0107]
The conversion unit 1203 adjusts the power supplied to the driving unit 1204 so that the torque generated by the driving unit 1204 corresponds to the torque command output from the actual control unit 1202.
The drive unit 1204 includes, for example, an electric motor and a transmission mechanism, and drives the load machine 1205.
[0108]
FIG. 13 is a block diagram showing a schematic configuration of the simulator section 1201 in FIG.
In FIG. 13, the simulator unit 1201 includes a reference model unit 1301, a pseudo control unit 1302, a first optimization unit 1303, a control target model 1304, and a second optimization unit 1305.
[0109]
Here, the control target model 1304 has the same structure as the control target 1206 in FIG. 12, and simulates the control target 1206.
The pseudo control unit 1302 has the same structure as the real control unit 1202 in FIG. 12, outputs a pseudo control input to the control target model 1304, and copies the parameters of the real control unit 1202 to the parameters of the pseudo control unit 1302. .
[0110]
The first optimization means 1303 optimizes the parameters of the pseudo control unit 1302 based on the operation result of the control target model 1304, and applies the particle swarm optimization to change the parameters of the pseudo control unit 1302. A PSO application unit 1303a for adjustment is provided.
The second optimizing unit 1305 optimizes the structure or parameters of the control target model 1304 based on the state quantity of the control target 1206 and the model state quantity of the control target model 1304, and uses particle swarm optimization. Accordingly, a PSO application unit 1305a that constructs a control target model 1304 simulating the control target 1206 is provided.
[0111]
The reference model unit 1301 generates a reference response required for the control target 1206 based on the command signal.
Hereinafter, the operation of the configuration of FIG. 12 under various conditions will be described.
First, when the characteristic of the control target model 1304 is close to the characteristic of the control target 1206, the pseudo control unit 1302 adjusts the coefficients Kp, Kv, and Ti of the control target model 1304 by the first optimization unit 1303. , A pseudo control output is generated based on the command signal and the model state quantity of the control target model 1304, and the pseudo control output is output to the control target model 1304.
[0112]
Then, when the pseudo control output is input to the control target model 1304, the control target model 1304 simulates the operation of the control target 1206, thereby changing the model state amount corresponding to the state amount of the control target 1206 to the pseudo control unit 1302. , To the first optimizing unit 1303 and the second optimizing unit 1305.
Then, when the command signal is input to the simulator unit 1201, the reference model unit 1301 outputs, to the first optimization unit 1303, a reference response serving as a reference for the state quantity of the control target 1206 in response to the command signal.
[0113]
Then, the first optimizing unit 1303 adjusts each coefficient Kp, Kv, Ti of the pseudo control unit 1302 using the particle swarm optimization, and obtains the model state quantity of the controlled object model 1304 and the reference model unit 1301 Based on the output evaluation result of the reference response, the coefficients Kp, Kv, and Ti of the pseudo control unit 1302 are optimized.
[0114]
When the coefficients Kp, Kv, and Ti of the pseudo control unit 1302 are optimized by the first optimizing unit 1303, the pseudo control unit 1302 performs a calculation based on the optimized coefficients Kp, Kv, and Ti. , Adjust the coefficients Kp, Kv, and Ti of the actual control unit 1202.
When the coefficients Kp, Kv, and Ti of the actual control unit 1202 are adjusted, the actual control unit 1202 outputs the actual control output based on the command signal and the state quantity of the driving unit 1204 observed by the state observation unit 1207. And outputs the actual control output to the conversion unit 1203.
[0115]
Then, when the actual control output is input from the actual control unit 1202, the conversion unit 1203 adjusts the power supplied to the driving unit 1204 so as to correspond to the actual control output. Then, the driving unit 1204 drives the load machine 1206 using the electric power supplied from the conversion unit 1204 as a driving source.
Next, when the characteristics of the control target model 1304 are different from the characteristics of the control target 1205, even if the pseudo control output is input to the control target model 1304, the characteristics of the control target model 1304 are different from the characteristics of the control target 1206. The coefficients Kp, Kv, and Ti of the control unit 1302 cannot be optimized.
[0116]
For this reason, by using the second optimization means 1305 before optimizing the coefficients Kp, Kv, and Ti of the pseudo control unit 1302 using the first optimization means 1303, the control object model 1304 The coefficients Jm, JL, D, and K of the control target model 1304 are optimized so that the characteristics approach the characteristics of the control target 1206.
First, the pseudo control unit 1302 copies each coefficient Kp, Kv, Ti of the real control unit 1202 to each coefficient Kp, Kv, Ti of the pseudo control unit 1302.
[0117]
Then, the pseudo control unit 1302 generates a pseudo control output based on the command signal and the model state quantity of the control target model 1304, and outputs the pseudo control output to the control target model 1304.
When the pseudo control output is input to the control target model 1304, the control target model 1304 converts the model state quantity generated by the control target model 1304 into the pseudo control unit 1302, the first optimization unit 1303, and the second optimization. Output to means 1305.
[0118]
The real control unit 1302 generates a real control output based on the command signal and the state quantity of the driving unit 1204 observed by the state observation unit 1207, outputs the real control output to the conversion unit 1203, and outputs 1206 is operated.
Then, when the actual control output is output to the conversion unit 1203, the state observation unit 1207 outputs the state quantity of the driving unit 1204 to the actual control unit 1202 and the second optimization unit 1305.
[0119]
Then, the second optimization unit 1305 adjusts each of the coefficients Jm, JL, D, and K of the control target model 1304 by using particle swarm optimization, and obtains the model state quantity of the control target model 1304 and the state observation unit. The coefficients Jm, JL, D, and K of the control target model 1304 are optimized so that the state quantities of the drive unit 1204 observed in 1207 match.
[0120]
Here, since the coefficients Kp, Kv, and Ti of the real control unit 1202 are copied to the coefficients Kp, Kv, and Ti of the pseudo control unit 1302, the pseudo control unit 1302 and the real control unit 1202 have similar characteristics. Show.
Therefore, if the characteristics of the controlled object model 1304 and the characteristics of the controlled object 1206 match, the model state quantity of the controlled object model 1304 and the state amount of the controlled object 1206 should also match.
[0121]
Therefore, the coefficients Jm, JL, D, and K of the control target model 1304 are optimized so that the model state quantity of the control target model 1304 and the state quantity of the driving unit 1204 observed by the state observation unit 1207 match. Thus, the characteristics of the control target model 1304 and the characteristics of the control target 1206 can be matched.
Then, the simulator unit 1201 optimizes the coefficients Jm, JL, D, and K of the control target model 1304, and when the characteristics of the control target model 1304 become closer to the characteristics of the control target 1206, the first optimization unit 1303 , The optimization processing of each coefficient Kp, Kv, Ti of the pseudo control unit 1302 is performed.
[0122]
As a result, even when the actual characteristics of the control target 1206 are unknown, the characteristics of the control target model 1304 are autonomously changed so as to be close to the characteristics of the control target 1206 without inputting the actual control output to the simulator unit 1201. And the coefficients Kp, Kv, Ti of the real simulation control unit 1202 can be adjusted so that the control target 1206 can be optimally controlled. , While controlling the control target 1206 at high speed and stably.
[0123]
In the fourth embodiment shown in FIG. 12, a first selector 808 shown in FIG. 8 may be added before the simulator 1201 and the actual controller 1202.
Thus, by using the same command signal as when operating the controlled object 1206, the state quantity of the controlled object 1206 is stored in a memory or the like, and each coefficient of the pseudo control unit 1302 is independent of the actual controlled object 1206. It is possible to optimize Kp, Kv, and Ti.
[0124]
In addition, in the above-described fourth embodiment, the structure of the control target model 1304 may be made variable by adding, deleting, and changing blocks constituting the control target model 1304.
In this case, as the state variables of the optimization algorithm based on the particle swarm optimization in the second optimization unit 1305, the state variables representing the structure are added to the state variables of the parameters.
[0125]
In the above-described first to fourth embodiments, the simulator units 101, 801, 1001, and 1201 may be realized by a computer or the like, and the command signals input to the simulator units 101, 801, 1001, and 1201 are: Any command signal of the same pattern for operating the controlled objects 106, 806, 1006, 1206 may be realized by a computer or the like.
[0126]
In the above-described first to fourth embodiments, the simulator units 101, 801, 1001, and 1201 may be realized by a plurality of computers and a communication unit. For example, the simulator units 101, 801, 1001, and 1201 transmit and receive data between computers connected to a network. The operation of the simulator units 101, 801, 1001, and 1201 may be realized while performing.
[0127]
【The invention's effect】
As described above, according to the present invention, by simulating a control target using particle swarm optimization, an algorithm with a simple concept is used, and an actual control output is output as a continuous type variable. Optimization can be achieved, and the control target can be controlled at high speed and stably.
[Brief description of the drawings]
FIG. 1 is a block diagram illustrating a schematic configuration of an output control device according to a first embodiment of the present invention.
FIG. 2 is a block diagram illustrating a schematic configuration of an actual control unit 102 in FIG. 1;
FIG. 3 is a block diagram illustrating a schematic configuration of a simulator unit 101 in FIG. 1;
FIG. 4 is a block diagram illustrating a schematic configuration of a second selection unit 306 in FIG. 3;
FIG. 5 is a block diagram illustrating a schematic configuration of a control target model 304 in FIG. 3;
FIG. 6 is a block diagram illustrating a schematic configuration of a pseudo control unit 302 in FIG. 3;
FIG. 7 is a block diagram illustrating a schematic configuration of a reference model unit 301 in FIG. 3;
FIG. 8 is a block diagram illustrating a schematic configuration of an output control device according to a second embodiment of the present invention.
FIG. 9 is a block diagram illustrating a schematic configuration of a first selection unit 808 in FIG. 8;
FIG. 10 is a block diagram illustrating a schematic configuration of an output control device according to a third embodiment of the present invention.
11 is a block diagram illustrating a schematic configuration of a simulator unit 1001 in FIG.
FIG. 12 is a block diagram illustrating a schematic configuration of an output control device according to a fourth embodiment of the present invention.
13 is a block diagram illustrating a schematic configuration of a simulator unit 1201 in FIG.
FIG. 14 is a block diagram showing a schematic configuration of a conventional output control device.
[Explanation of symbols]
101, 801, 1001, 1201 Simulator section
102, 802, 1002, 1202 Actual control unit
103, 803, 1003, 1203 converter
104, 804, 1004, 1204 drive unit
105, 805, 1005, 1205 Load machine
106, 806, 1006, 1206 Control target
107, 807, 1007, 1207 State observation unit
201, 203, 501, 506, 601, 603 Subtractor
202, 205, 508, 602, 605 Coefficient unit
204, 507, 604 Differentiator
206, 502 to 505, 606 Integrator
207, 509, 607 Adder
301, 1101, 1301 normative model part
302, 1102, 1302 pseudo control unit
303, 1103, 1303 1st optimization means
304, 1104, 1304 Control target model
305, 1305 second optimization means
306 Second selection unit
303a, 305a, 1103a, 1303a PSO application section
401, 901 switching means
701 First-order lag system
808 First selection unit

Claims (15)

パーティクル・スウォーム・オプティマイゼーションを適用して生成された擬似制御出力に基づいて、制御対象を模擬動作させるステップと、
前記制御対象の模擬動作結果に基づいて、前記制御対象に出力される実制御出力を調整するステップとを備えることを特徴とする出力制御方法。Based on a pseudo control output generated by applying particle swarm optimization, simulating a control target,
Adjusting an actual control output output to the control target based on a simulation operation result of the control target. パーティクル・スウォーム・オプティマイゼーションを用いることにより、制御対象を模擬した制御対象モデルを構築するステップと、
パーティクル・スウォーム・オプティマイゼーションを適用して生成された擬似制御出力に基づいて、前記制御対象モデルを動作させるステップと、
前記制御対象モデルの動作結果に基づいて、前記制御対象に出力される実制御出力を調整するステップとを備えることを特徴とする出力制御方法。Building a controlled object model simulating the controlled object by using particle swarm optimization,
Based on the pseudo control output generated by applying particle swarm optimization, operating the controlled object model,
Adjusting an actual control output output to the control target based on an operation result of the control target model. 制御対象を制御する実制御部に対応した擬似制御部のパラメータに、パーティクル・スウォーム・オプティマイゼーションによるエージェントの状態変数を設定するステップと、
前記パラメータが設定された擬似制御部および前記制御対象に要求される規範応答を生成する規範モデルに、指令信号を入力するステップと、
前記制御対象を模擬した制御対象モデルのモデル状態量を前記擬似制御部に入力するステップと、
前記擬似制御部から出力される擬似制御出力を前記制御対象モデルに入力するステップと、
前記制御対象モデルのモデル状態量および前記規範モデルの規範応答に基づいて、パーティクル・スウォーム・オプティマイゼーションにより前記擬似制御部のパラメータを最適化するステップと、
前記擬似制御部で更新されたパラメータに基づいて、前記実制御部のパラメータを調整するステップと、
前記パラメータが調整された実制御部からの実制御出力に基づいて、前記制御対象を制御するステップとを備えることを特徴とする出力制御方法。Setting the state variables of the agent by particle swarm optimization to the parameters of the pseudo control unit corresponding to the real control unit that controls the control target;
A step of inputting a command signal to a reference model that generates a reference response required for the pseudo control unit and the control target in which the parameters are set,
Inputting a model state quantity of a control target model simulating the control target to the pseudo control unit;
Inputting a pseudo control output output from the pseudo control unit to the control target model;
Based on the model state quantity of the controlled object model and the reference response of the reference model, optimizing the parameters of the pseudo control unit by particle swarm optimization,
Adjusting the parameters of the real control unit based on the parameters updated by the pseudo control unit;
Controlling the control target based on an actual control output from an actual control unit in which the parameter is adjusted. 制御対象を制御する実制御部に対応した擬似制御部のパラメータに、パーティクル・スウォーム・オプティマイゼーションによるエージェントの状態変数を設定するステップと、
前記パラメータが設定された擬似制御部および前記制御対象に要求される規範応答を生成する規範モデルに、指令信号を入力するステップと、
前記制御対象を模擬した制御対象モデルのモデル状態量を前記擬似制御部に入力するステップと、
前記擬似制御部から出力される擬似制御出力を前記制御対象モデルに入力するステップと、
前記制御対象モデルのモデル状態量および前記規範モデルの規範応答に基づいて、パーティクル・スウォーム・オプティマイゼーションにより前記擬似制御部のパラメータを最適化するステップと、
前記擬似制御部で更新されたパラメータに基づいて、前記実制御部のパラメータを調整するステップと、
前記パラメータが調整された実制御部側に、前記指令信号の入力先を切り替えるステップと、
前記パラメータが調整された実制御部からの実制御出力に基づいて、前記制御対象を制御するステップとを備えることを特徴とする出力制御方法。Setting the state variables of the agent by particle swarm optimization to the parameters of the pseudo control unit corresponding to the real control unit that controls the control target;
A step of inputting a command signal to a reference model that generates a reference response required for the pseudo control unit and the control target in which the parameters are set,
Inputting a model state quantity of a control target model simulating the control target to the pseudo control unit;
Inputting a pseudo control output output from the pseudo control unit to the control target model;
Based on the model state quantity of the controlled object model and the reference response of the reference model, optimizing the parameters of the pseudo control unit by particle swarm optimization,
Adjusting the parameters of the real control unit based on the parameters updated by the pseudo control unit;
A step of switching the input destination of the command signal to the actual control unit side where the parameter is adjusted,
Controlling the control target based on an actual control output from an actual control unit in which the parameter is adjusted. 制御対象を模擬した制御対象モデルのパラメータに、パーティクル・スウォーム・オプティマイゼーションによるエージェントの状態変数を設定するステップと、
前記制御対象を制御する実制御部に指令信号を入力するステップと、
前記実制御部から出力される実制御出力に基づいて、前記制御対象および制御対象モデルを制御するステップと、
前記制御対象の状態量および前記制御対象モデルのモデル状態量に基づいて、前記制御対象モデルのパラメータを調整するステップと、
前記制御対象を制御する実制御部に対応した擬似制御部のパラメータに、パーティクル・スウォーム・オプティマイゼーションによるエージェントの状態変数を設定するステップと、
前記パラメータが設定された擬似制御部および前記制御対象に要求される規範応答を生成する規範モデルに、指令信号を入力するステップと、
前記制御対象モデルのモデル状態量を前記擬似制御部に入力するステップと、前記擬似制御部から出力される擬似制御出力を前記制御対象モデルに入力するステップと、
前記制御対象モデルのモデル状態量および前記規範モデルの規範応答に基づいて、パーティクル・スウォーム・オプティマイゼーションにより前記擬似制御部のパラメータを最適化するステップと、
前記擬似制御部で更新されたパラメータに基づいて、前記実制御部のパラメータを調整するステップと、
前記パラメータが調整された実制御部からの実制御出力に基づいて、前記制御対象を制御するステップとを備えることを特徴とする出力制御方法。Setting a state variable of an agent by particle swarm optimization to a parameter of a control target model simulating the control target;
Inputting a command signal to an actual control unit that controls the control target;
Controlling the controlled object and the controlled object model based on an actual control output output from the actual control unit;
Adjusting the parameters of the controlled object model based on the state amount of the controlled object and the model state amount of the controlled object model;
A step of setting a state variable of an agent by particle swarm optimization to a parameter of a pseudo control unit corresponding to a real control unit that controls the control target,
A step of inputting a command signal to a reference model that generates a reference response required for the pseudo control unit and the control target in which the parameters are set,
Inputting a model state quantity of the control target model to the pseudo control unit, and inputting a pseudo control output output from the pseudo control unit to the control target model,
Based on the model state quantity of the controlled object model and the reference response of the reference model, optimizing the parameters of the pseudo control unit by particle swarm optimization,
Adjusting the parameters of the real control unit based on the parameters updated by the pseudo control unit;
Controlling the control target based on an actual control output from an actual control unit in which the parameter is adjusted. 制御対象を模擬した制御対象モデルのパラメータに、パーティクル・スウォーム・オプティマイゼーションによるエージェントの状態変数を設定するステップと、
前記制御対象を制御する実制御部に指令信号を入力するステップと、
前記実制御部から出力される実制御出力に基づいて、前記制御対象を制御するステップと、
前記実制御部を模擬する擬似制御部のパラメータに、前記実制御部のパラメータをコピーするステップと、
前記擬似制御部から出力される擬似制御出力に基づいて、前記制御対象モデルを制御するステップと、
前記制御対象の状態量および前記制御対象モデルのモデル状態量に基づいて、前記制御対象モデルのパラメータを調整するステップと、
前記擬似制御部のパラメータに、パーティクル・スウォーム・オプティマイゼーションによるエージェントの状態変数を設定するステップと、
前記パラメータが設定された擬似制御部および前記制御対象に要求される規範応答を生成する規範モデルに、指令信号を入力するステップと、
前記制御対象モデルのモデル状態量を前記擬似制御部に入力するステップと、前記擬似制御部から出力される擬似制御出力を前記制御対象モデルに入力するステップと、
前記制御対象モデルのモデル状態量および前記規範モデルの規範応答に基づいて、パーティクル・スウォーム・オプティマイゼーションにより前記擬似制御部のパラメータを最適化するステップと、
前記擬似制御部で更新されたパラメータに基づいて、前記実制御部のパラメータを調整するステップと、
前記パラメータが調整された実制御部からの実制御出力に基づいて、前記制御対象を制御するステップとを備えることを特徴とする出力制御方法。Setting a state variable of an agent by particle swarm optimization to a parameter of a control target model simulating the control target;
Inputting a command signal to an actual control unit that controls the control target;
Controlling the control target based on an actual control output output from the actual control unit;
Copying the parameters of the real control unit to the parameters of the pseudo control unit that simulates the real control unit;
Controlling the control target model based on a pseudo control output output from the pseudo control unit;
Adjusting the parameters of the controlled object model based on the state amount of the controlled object and the model state amount of the controlled object model;
Setting the state variables of the agent by particle swarm optimization to the parameters of the pseudo control unit;
A step of inputting a command signal to a reference model that generates a reference response required for the pseudo control unit and the control target in which the parameters are set,
Inputting a model state quantity of the control target model to the pseudo control unit, and inputting a pseudo control output output from the pseudo control unit to the control target model,
Based on the model state quantity of the controlled object model and the reference response of the reference model, optimizing the parameters of the pseudo control unit by particle swarm optimization,
Adjusting the parameters of the real control unit based on the parameters updated by the pseudo control unit;
Controlling the control target based on an actual control output from an actual control unit in which the parameter is adjusted. 前記制御対象を電動機機械システムとしたことを特徴とする請求項１〜６のいずれか１項記載の出力制御方法。The output control method according to any one of claims 1 to 6, wherein the control object is an electric motor machine system. 制御対象の状態量を少なくとも１つ観測する状態観測手段と、
指令信号および前記状態観測手段により観測された状態量に基づいて、前記制御対象を制御する実制御手段と、
パーティクル・スウォーム・オプティマイゼーションを適用した前記制御対象の模擬動作結果に基づいて、前記実制御手段の特性を調整するシミュレータ手段とを備えることを特徴とする出力制御装置。State observation means for observing at least one state quantity of the control object;
An actual control unit for controlling the control target based on a command signal and a state quantity observed by the state observation unit,
An output control device, comprising: simulator means for adjusting characteristics of the real control means based on a simulation operation result of the control target to which particle swarm optimization is applied. 前記シミュレータ手段は、
前記制御対象を模擬した制御対象モデルと、
前記実制御手段と同様な構造を有し、前記制御対象モデルに擬似制御入力を出力する擬似制御手段と、
前記指令信号に基づいて、前記制御対象に要求される規範応答を生成する規範モデルと、
前記制御対象モデルの動作結果に基づいて、前記擬似制御手段のパラメータを最適化する第１最適化手段とを備えることを特徴とする請求項８記載の出力制御装置。The simulator means comprises:
A control target model simulating the control target,
A pseudo control means having a structure similar to the real control means and outputting a pseudo control input to the control target model;
A reference model that generates a reference response required for the control target based on the command signal;
The output control device according to claim 8, further comprising: a first optimization unit that optimizes a parameter of the pseudo control unit based on an operation result of the control target model. 前記第１最適化手段は、
パーティクル・スウォーム・オプティマイゼーションによるエージェントの状態変数を前記擬似制御手段のパラメータに設定するパラメータ設定手段と、
前記制御対象モデルのモデル状態量および前記規範モデルの規範応答に基づいて、パーティクル・スウォーム・オプティマイゼーションにより前記擬似制御手段のパラメータを更新するパラメータ更新手段とを備えることを特徴とする請求項９記載の出力制御装置。The first optimization means includes:
Parameter setting means for setting a state variable of an agent by particle swarm optimization to a parameter of the pseudo control means,
10. A parameter updating means for updating parameters of the pseudo control means by particle swarm optimization based on a model state quantity of the controlled object model and a reference response of the reference model. Output control device. 前記指令信号の入力を、前記シミュレータ手段または前記実制御手段に切り替える第１選択手段をさらに備えることを特徴とする請求項８〜１０のいずれか１項記載の出力制御装置。The output control device according to any one of claims 8 to 10, further comprising a first selection unit that switches the input of the command signal to the simulator unit or the actual control unit. 前記制御対象の状態量および前記制御対象モデルのモデル状態量に基づいて、前記制御対象モデルの構造またはパラメータを最適化する第２最適化手段をさらに備えることを特徴とする請求項９〜１１のいずれか１項記載の出力制御装置。The apparatus according to claim 9, further comprising a second optimization unit that optimizes a structure or a parameter of the control target model based on a state quantity of the control target and a model state quantity of the control target model. The output control device according to claim 1. 前記制御対象モデルの入力を、前記擬似制御手段からの擬似制御出力または前記実制御手段からの実制御出力に切り替える第２選択手段をさらに備えることを特徴とする請求項１２記載の出力制御装置。13. The output control device according to claim 12, further comprising a second selection unit that switches an input of the control target model to a pseudo control output from the pseudo control unit or a real control output from the real control unit. パーティクル・スウォーム・オプティマイゼーションを適用して制御出力を模擬的に生成するステップと、
前記模擬的に生成された制御出力に基づいて、制御対象の動作をシミュレートするステップと、
前記制御対象のシミュレート結果に基づいて、前記制御対象を制御する実制御部のパラメータを調整するステップとを備えることを特徴とする出力制御プログラム。Applying a particle swarm optimization to simulate a control output; and
Simulating the operation of the controlled object based on the simulated control output,
Adjusting a parameter of an actual control unit that controls the control target based on a simulation result of the control target. パーティクル・スウォーム・オプティマイゼーションを用いることにより、制御対象を模擬した制御対象モデルを構築するステップと、
パーティクル・スウォーム・オプティマイゼーションを適用して制御出力を模擬的に生成するステップと、
前記期擬似制御出力に基づいて、前記制御対象モデルを動作させるステップと、
前記制御対象モデルの動作結果に基づいて、前記制御対象を制御する実制御部のパラメータを調整するステップとを備えることを特徴とする出力制御プログラム。Building a controlled object model simulating the controlled object by using particle swarm optimization,
Applying a particle swarm optimization to simulate a control output; and
Operating the controlled object model based on the period pseudo control output,
Adjusting a parameter of an actual control unit that controls the controlled object based on an operation result of the controlled object model.
JP2002331133A 2002-11-14 2002-11-14 Output control method, output control system, and output control program Pending JP2004164426A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2002331133A JP2004164426A (en) 2002-11-14 2002-11-14 Output control method, output control system, and output control program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2002331133A JP2004164426A (en) 2002-11-14 2002-11-14 Output control method, output control system, and output control program

Publications (1)

Publication Number Publication Date
JP2004164426A true JP2004164426A (en) 2004-06-10

Family

ID=32808603

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2002331133A Pending JP2004164426A (en) 2002-11-14 2002-11-14 Output control method, output control system, and output control program

Country Status (1)

Country Link
JP (1) JP2004164426A (en)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006088122A1 (en) * 2005-02-21 2006-08-24 Fujifilm Corporation Method of designing diffusion film, process for producing the same, and diffusion film obtained thereby
JP2007215384A (en) * 2006-02-13 2007-08-23 Toshiba Corp Railroad vehicle system
JP2008069772A (en) * 2006-09-15 2008-03-27 Man Diesel Sa Optimization method of fuel injection nozzle for internal combustion engine
JP2009116515A (en) * 2007-11-05 2009-05-28 Fuji Electric Systems Co Ltd Pid parameter adjustment support device
CN102156478A (en) * 2010-12-28 2011-08-17 北京航空航天大学 Integrated attitude determination method based on ant colony unscented particle filter algorithm
JP2012078906A (en) * 2010-09-30 2012-04-19 Internatl Business Mach Corp <Ibm> Configuration method, program and system of pid controller
JP2012190274A (en) * 2011-03-10 2012-10-04 Kobe Steel Ltd Modelling device and method for the same
JP2018116596A (en) * 2017-01-20 2018-07-26 オムロン株式会社 Information processing system, control parameter adjustment method and control parameter adjustment program

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006088122A1 (en) * 2005-02-21 2006-08-24 Fujifilm Corporation Method of designing diffusion film, process for producing the same, and diffusion film obtained thereby
US7781013B2 (en) 2005-02-21 2010-08-24 Fujifilm Corporation Method of designing a diffusion film, a process for producing the same, and a diffusion film obtained thereby
JP2007215384A (en) * 2006-02-13 2007-08-23 Toshiba Corp Railroad vehicle system
JP2008069772A (en) * 2006-09-15 2008-03-27 Man Diesel Sa Optimization method of fuel injection nozzle for internal combustion engine
KR101306526B1 (en) * 2006-09-15 2013-09-09 만 디젤 앤 터보 에스이 Method for optimizing a injection nozzle for an internal combustion engine
JP2009116515A (en) * 2007-11-05 2009-05-28 Fuji Electric Systems Co Ltd Pid parameter adjustment support device
JP2012078906A (en) * 2010-09-30 2012-04-19 Internatl Business Mach Corp <Ibm> Configuration method, program and system of pid controller
CN102156478A (en) * 2010-12-28 2011-08-17 北京航空航天大学 Integrated attitude determination method based on ant colony unscented particle filter algorithm
CN102156478B (en) * 2010-12-28 2013-11-06 北京航空航天大学 Integrated attitude determination method based on ant colony unscented particle filter algorithm
JP2012190274A (en) * 2011-03-10 2012-10-04 Kobe Steel Ltd Modelling device and method for the same
JP2018116596A (en) * 2017-01-20 2018-07-26 オムロン株式会社 Information processing system, control parameter adjustment method and control parameter adjustment program

Similar Documents

Publication Publication Date Title
CN105955206B (en) A kind of Multi-axis motion control method based on data-driven and parameter hybrid optimization
CN106560997B (en) Machine learning device and motor control device
US20220326664A1 (en) Improved machine learning for technical systems
EP0540168B1 (en) Simulator using a neural network
JP2004164426A (en) Output control method, output control system, and output control program
Hein et al. Generating interpretable fuzzy controllers using particle swarm optimization and genetic programming
Yao et al. Toward reliable designs of data-driven reinforcement learning tracking control for Euler–Lagrange systems
Mu et al. Adaptive composite frequency control of power systems using reinforcement learning
Khan et al. Machine learning applied to the design and analysis of low frequency electromagnetic devices
Balázs et al. Comparison of various evolutionary and memetic algorithms
JP2010266967A (en) Device and program for adjustment of pid
Pandian et al. Solving Economic Load Dispatch ProblemConsidering Transmission Losses by a HybridEP-EPSO Algorithm for Solving both Smoothand Non-Smooth Cost Function
Cubuktepe et al. Synthesis of provably correct autonomy protocols for shared control
Renders et al. Genetic algorithms for process control: A survey
JP4301049B2 (en) Optimization method, optimization device, and optimization program
JP7378309B2 (en) working equipment
Tan et al. Multi-objective genetic algorithm based time and frequency domain design unification of linear control systems
Chipperfield et al. Evolutionary algorithms for control engineering
Balázs et al. Comparative investigation of various evolutionary and memetic algorithms
Jiang et al. Motion sequence learning for robot walking based on pose optimization
CN113671942A (en) Apparatus and method for controlling robot
Chen et al. C 2: Co-design of Robots via Concurrent-Network Coupling Online and Offline Reinforcement Learning
Bednarek et al. Comparative assessment of reinforcement learning algorithms in the taskof robotic manipulation of deformable linear objects
Angel et al. Metaheuristic Tuning and Practical Implementation of a PID Controller Employing Genetic Algorithms
Abhayadev Optimum gain selection of sliding mode control using grey wolf optimization technique

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20051017

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20071122

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20080318

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20080519

A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A712

Effective date: 20080919

RD03 Notification of appointment of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7423

Effective date: 20080919

RD04 Notification of resignation of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20080919

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20090106